PROSAGA码农传奇-深度学习-在tensorflow占位符上使用tf.shape（）

在tensorflow占位符上使用tf.shape（）

作者: 不易青年。
发布时间: 2025-02-28 10:54:24 (4天前)
转自：

<div class =“post-text”itemprop =“text”>
  
    这是因为
     <code>
 tf.shape()
 </code>
     是一个操作，你必须在一个会话中运行它。
  
   <pre>
 <code>
 data = np.random.rand(1,2,3)
x = tf.placeholder(tf.float32, shape=[None, None, None], name='x_pl')
out = x
print ('shape:', tf.shape(out))
z = tf.shape(out)
sess = tf.Session()
out_, z_ =sess.run([out,z], feed_dict={x: data})
print(f"shape of out: {z_}")

</code>
 </pre>
  
    将返回
  
   <pre>
 <code>
 shape: Tensor("Shape:0", shape=(3,), dtype=int32) 
shape of out: [1 2 3]

</code>
 </pre>
  
    即使你看一下文档中的例子（
    <a href="https://www.tensorflow.org/api_docs/python/tf/shape" rel="nofollow noreferrer">
      https://www.tensorflow.org/api_docs/python/tf/shape
    </A>
    ）：
  
   <pre>
 <code>
 t = tf.constant([[[1, 1, 1], [2, 2, 2]], [[3, 3, 3], [4, 4, 4]]])
tf.shape(t)

</code>
 </pre>
  
    如果你像那样运行它会返回类似的东西
  
   <pre>
 <code>
 <tf.Tensor 'Shape_4:0' shape=(3,) dtype=int32>

</code>
 </pre>
  
    但如果你在一个会话中运行它，那么你将得到预期的结果
  
   <pre>
 <code>
 t = tf.constant([[[1, 1, 1], [2, 2, 2]], [[3, 3, 3], [4, 4, 4]]])
print(sess.run(tf.shape(t)))

[2 2 3]

</code>
 </pre>
</DIV>