Python tf.shape用法及代码示例

返回一个包含输入张量形状的张量。

用法

tf.shape(
    input, out_type=tf.dtypes.int32, name=None
)

另见tf.size、tf.rank。

tf.shape 返回一个表示 input 形状的一维整数张量。对于标量输入，返回的张量的形状为 (0,)，其值为空向量(即 [])。

例如：

tf.shape(1.)
<tf.Tensor:shape=(0,), dtype=int32, numpy=array([], dtype=int32)>

t = tf.constant([[[1, 1, 1], [2, 2, 2]], [[3, 3, 3], [4, 4, 4]]])
tf.shape(t)
<tf.Tensor:shape=(3,), dtype=int32, numpy=array([2, 2, 3], dtype=int32)>

注意：使用符号张量时，例如使用 Keras API 时，tf.shape() 将返回符号张量的形状。

a = tf.keras.layers.Input((None, 10))
tf.shape(a)
<... shape=(3,) dtype=int32...>

在这些情况下，使用tf.Tensor.shape 将返回更多信息结果。

a.shape
TensorShape([None, None, 10])

(第一个 None 代表目前未知的批量大小。)

tf.shape 和 Tensor.shape 在 Eager 模式下应该相同。在tf.function 或compat.v1 上下文中，直到执行时间才可能知道所有维度。因此，在为图形模式定义自定义层和模型时，更喜欢动态的 tf.shape(x) 而不是静态的 x.shape 。