一、tf.shape(a) 和 a.get_shape()比較

  1. 相同點:都可以得到tensor a 的尺寸
  2. 不同點:tf.shape(a)中a資料的型別可以是tensor,list,array,而a.get_shape()中的a的資料型別必須是tensor,且返回的是一個tuple.可以通過a.get_shape().as_list()得到一個list

二、tf.shape(a)的使用

 import tensorflow as tf  
 import numpy as np  
   
 x=tf.constant([[1,2,3],[4,5,6]]  
 y=[[1,2,3],[4,5,6]]  
 z=np.arange(24).reshape([2,3,4]))  
   
 sess=tf.Session()  
 # tf.shape()  
 x_shape=tf.shape(x)                    #  x_shape 是一個tensor  
 y_shape=tf.shape(y)                    #  <tf.Tensor 'Shape_2:0' shape=(2,) dtype=int32>  
 z_shape=tf.shape(z)                    #  <tf.Tensor 'Shape_5:0' shape=(3,) dtype=int32>  
 print sess.run(x_shape)              # 結果:[2 3]  
 print sess.run(y_shape)              # 結果:[2 3]  
 print sess.run(z_shape)              # 結果:[2 3 4]  

三、a.get_shape()的使用

x_shape=x.get_shape()  # 返回的是TensorShape([Dimension(2), Dimension(3)]),不能使用 sess.run() 因為返回的不是tensor 或string,而是元組  
x_shape=x.get_shape().as_list()  # 可以使用 as_list()得到具體的尺寸,x_shape=[2 3]  
 y_shape=y.get_shape()  # AttributeError: 'list' object has no attribute 'get_shape'  
 z_shape=z.get_shape()  # AttributeError: 'numpy.ndarray' object has no attribute 'get_shape'