tensorflow版本1.4
获取变量维度是一个使用频繁的操作，在tensorflow中获取变量维度主要用到的操作有以下三种：
对上面三种操作做一下简单分析：（这三种操作先记作A、B、C）
A 和 B 基本一样，只不过前者是Tensor的属性变量，后者是Tensor的函数。
A 和 B 均返回TensorShape类型，而 C 返回一个1D的out_type类型的Tensor。
A 和 B 可以在任意位置使用，而 C 必须在Session中使用。
A 和 B 获取的是静态shape，可以返回不完整的shape； C 获取的是动态的shape，必须是完整的shape。
另外，补充从TenaorShape变量中获取具体维度数值的方法
# 直接获取TensorShape变量的第i个维度值 x.shape[i].value x.get_shape()[i].value # 将TensorShape变量转化为list类型，然后直接按照索引取值 x.get_shape().as_list()
下面给出全部的示例程序：
import tensorflow as tf
x1 = tf.constant([[1,2,3],[4,5,6]])
# 占位符创建变量，第一个维度初始化为None，表示暂不指定维度
x2 = tf.placeholder(tf.float32,[None, 2,3])
print('x1.shape:',x1.shape)
print('x2.shape:',x2.shape)
print('x2.shape[1].value:',x2.shape[1].value)
print('tf.shape(x1):',tf.shape(x1))
print('tf.shape(x2):',tf.shape(x2))
print('x1.get_shape():',x1.get_shape())
print('x2.get_shape():',x2.get_shape())
print('x2.get_shape.as_list[1]:',x2.get_shape().as_list()[1])
shapeOP1 = tf.shape(x1)
shapeOP2 = tf.shape(x2)
with tf.Session() as sess:
print('Within session, tf.shape(x1):',sess.run(shapeOP1))
# 由于x2未进行完整的变量填充，其维度不完整，因此执行下面的命令将会报错
# print('Within session, tf.shape(x2):',sess.run(shapeOP2)) # 此命令将会报错
输出结果为：
x1.shape: (2, 3)
x2.shape: (?, 2, 3)
x2.shape[1].value: 2
tf.shape(x1): Tensor("Shape:0", shape=(2,), dtype=int32)
tf.shape(x2): Tensor("Shape_1:0", shape=(3,), dtype=int32)
x1.get_shape(): (2, 3)
x2.get_shape(): (?, 2, 3)
x2.get_shape.as_list[1]: 2
Within session, tf.shape(x1): [2 3]
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
