1、用法：tf.shape( input, out_type, name=None )

• input：可以是tensor，list，arrray。
• out_type：可選，tf.int32 和 tf.int64；預設 tf.int32。
• name：操作的名稱（可選）

返回：型別為 out_type 的 input維度，是一個 tensor。其實就是獲取輸入的維度

import tensorflow as tf

t1 = [[[1,2], [3,4]],
      [[5,6], [7,8]]]
       
t1_shape1 = tf.shape(t1)
print(t1_shape1)
#返回：Tensor("Shape_8:0", shape=(3,), dtype=int32)

t1_shape = t1_shape1.get_shape()
print(t1_shape)
#返回：(3,)

t1_shape = t1_shape1.get_shape().as_list()
print(t1_shape)
#返回：[3]
 

2、用法：tf.get_shape(x)

返回：x 維度的元組，輸入 x 只能是tensor

通常為了對元組處理，必須將元組轉換成 list。在神經網路中使用它，我猜是保險起見~防止經過一系列處理之後輸入型別改變，使用該函式，輸入只能是tensor。

3、tf.concat([x1, x2], axis=0/1/2/3....)

將 x1 和 x2 的維度拼接，如何拼接取決於 axis，axis=0 表示在 x1 和 x2的第一維度拼接，1 表示在第二維度拼接，我遇到的是在第4維度拼接，應該只是取決於你輸入的維度大小，如果維度是2，想要在3，4維度拼接肯定是報錯的。

參考：https://www.w3cschool.cn/tensorflow_python/tensorflow_python-smjo2k45.html

https://blog.csdn.net/fireflychh/article/details/73611021