tensorflow获取变量维度信息
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:
- Tensor.shape
- Tensor.get_shape()
- tf.shape(input,name=None,out_type=tf.int32)
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我们。
赞 (0)