在进行keras 网络计算时，有时候需要获取输入张量的维度来定义自己的层。但是由于keras是一个封闭的接口。因此在调用由于是张量不能直接用numpy 里的A.shape()。这样的形式来获取。这里需要调用一下keras 作为后端的方式来获取。当我们想要操作时第一时间就想到直接用 shape ()函数。其实keras 中真的有shape()这个函数。
shape（x）返回一个张量的符号shape，符号shape的意思是返回值本身也是一个tensor，
示例：
>>> from keras import backend as K >>> tf_session = K.get_session() >>> val = np.array([[1, 2], [3, 4]]) >>> kvar = K.variable(value=val) >>> input = keras.backend.placeholder(shape=(2, 4, 5)) >>> K.shape(kvar) <tf.Tensor 'Shape_8:0' shape=(2,) dtype=int32> >>> K.shape(input) <tf.Tensor 'Shape_9:0' shape=(3,) dtype=int32> __To get integer shape (Instead, you can use K.int_shape(x))__ >>> K.shape(kvar).eval(session=tf_session) array([2, 2], dtype=int32) >>> K.shape(input).eval(session=tf_session) array([2, 4, 5], dtype=int32)
如果直接调用这个出的不是我们想要的。我们想要的是tensor各个维度的大小。因此可以直接调用 int_shape(x) 函数。这个函数才是我们想要的。
>>> from keras import backend as K >>> input = K.placeholder(shape=(2, 4, 5)) >>> K.int_shape(input) (2, 4, 5) >>> val = np.array([[1, 2], [3, 4]]) >>> kvar = K.variable(value=val) >>> K.int_shape(kvar) (2, 2)
最后这样我们就可以直接调用里面的大小。然后定义我们自己的keras 层了。
补充知识：获取Tensor的维度（x.shape和x.get_shape()的区别）
tf.shape(a)和a.get_shape()比较
相同点：都可以得到tensor a的尺寸
不同点：tf.shape()中a 数据的类型可以是tensor, list, array
a.get_shape()中a的数据类型只能是tensor,且返回的是一个元组（tuple）
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 是一个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)) # 结果:[2 3] print(sess.run(y_shape)) # 结果:[2 3] print(sess.run(z_shape) ) # 结果:[2 3 4] x_shape=x.get_shape() print(x_shape) # 返回的是TensorShape([Dimension(2), Dimension(3)]),不能使用 sess.run() 因为返回的不是tensor 或string,而是元组 (2, 3) x_shape=x.get_shape().as_list() print(x_shape) # 可以使用 as_list()得到具体的尺寸，x_shape=[2 3] 这是重点 返回列表方便参加其他代码的运算 # y_shape=y.get_shape() print(x_shape)# AttributeError: 'list' object has no attribute 'get_shape' # z_shape=z.get_shape() print(x_shape)# AttributeError: 'numpy.ndarray' object has no attribute 'get_shape' 或者a.shape.as_list()
以上这篇在keras 中获取张量 tensor 的维度大小实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
