溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
tf.shape(tensor)和tensor.shape()的區別
a=tf.zeros([4,5,4,5,6]) print(type(a.shape)) print(a.shape.ndims)#多少個維度 print(a.shape.as_list())#返回列表 print(type(tf.shape(a))) print(type(tf.shape(a)[0])) b=a.shape.as_list() c=tf.shape(a) b[1]=tf.shape(a)[1] print(b) sess=tf.Session() d=sess.run(c) print(d)
outputs: <class 'tensorflow.python.framework.tensor_shape.TensorShape'> 5 [4, 5, 4, 5, 6] <class 'tensorflow.python.framework.ops.Tensor'> <class 'tensorflow.python.framework.ops.Tensor'> [4, <tf.Tensor 'strided_slice_1:0' shape=() dtype=int32>, 4, 5, 6] [4 5 4 5 6]
其中tf.shape(tensor)使用的是動態的，即必須要在session中運行后才能顯示出來，但是tensor.shape()是靜態的，即通過定義的shape可以驚天的運行出來。
原因：在我們定義的時候，比如進行placeholder的時候我們可能會定義某些維度為None，在靜態的時候是看不出來的，只能在運行的時候找到維度。
**使用：**可以在獲得某些tensor的維度的時候進行檢驗，防止維度為None。
補充知識：tensorflow.python.framework.tensor_shape.TensorShape 類
TensorShape 是tensorflow中關于張量shape的類（class）.
使用示例如下：
import tensorflow.compat.v1 as tf
from tensorflow.python.framework import tensor_shape
from tensorflow.python.framework import constant_op
tensor_test1=[10,10,10]
tensor_test2 = [None,10,10]
p1 = tensor_shape.as_shape(tensor_test1) # 得到的是一個類實例，該類實例包含一個屬性，是 tensor_test1 的value
const = constant_op.constant(p1.as_list())
print("type(p1) = ",type(p1))
print("p1 = ",p1) # 使用p1時會自動調用p1中的value屬性
print("p1.is_fully_defined() = ",p1.is_fully_defined())# is_fully_defined 是 TensorShape 類的一個內部函數
print("p1.ndims = ",p1.ndims) # ndims 也是TensorShape的一個屬性值
print("p1.as_list() = ",p1.as_list()) # 把TensorShape的value屬性轉換成python中的list類型
print("const = ",const)結果如下：
type(p1) = <class 'tensorflow.python.framework.tensor_shape.TensorShape'>
p1 = (10, 10, 10)
p1.is_fully_defined() = True
p1.ndims = 3
p1.as_list() = [10, 10, 10]
const = Tensor("Const:0", shape=(3,), dtype=int32)以上這篇基于tf.shape(tensor)和tensor.shape()的區別說明就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
