小編給大家分享一下tensorflow獲取變量維度信息的示例分析，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

創(chuàng)新互聯(lián)在網(wǎng)站設(shè)計(jì)、網(wǎng)站制作、成都app軟件開發(fā)公司、網(wǎng)站運(yùn)營(yíng)等方面均有出色的表現(xiàn)，憑借多年豐富的經(jīng)驗(yàn)，我們會(huì)仔細(xì)了解各客戶的需求而做出多方面的分析、設(shè)計(jì)、整合，為客戶設(shè)計(jì)出具風(fēng)格及創(chuàng)意性的商業(yè)解決方案，我們更提供一系列全網(wǎng)營(yíng)銷推廣，網(wǎng)站制作和網(wǎng)站推廣的服務(wù)，以推動(dòng)各中小企業(yè)全面信息化，并利用創(chuàng)新技術(shù)幫助各行業(yè)提升企業(yè)形象和運(yùn)營(yíng)效率。

tensorflow版本1.4

獲取變量維度是一個(gè)使用頻繁的操作，在tensorflow中獲取變量維度主要用到的操作有以下三種：

• Tensor.shape

• Tensor.get_shape()

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

對(duì)上面三種操作做一下簡(jiǎn)單分析：（這三種操作先記作A、B、C）

A 和 B 基本一樣，只不過(guò)前者是Tensor的屬性變量，后者是Tensor的函數(shù)。
A 和 B 均返回TensorShape類型，而 C 返回一個(gè)1D的out_type類型的Tensor。
A 和 B 可以在任意位置使用，而 C 必須在Session中使用。
A 和 B 獲取的是靜態(tài)shape，可以返回不完整的shape； C 獲取的是動(dòng)態(tài)的shape，必須是完整的shape。

另外，補(bǔ)充從TenaorShape變量中獲取具體維度數(shù)值的方法

# 直接獲取TensorShape變量的第i個(gè)維度值
x.shape[i].value
x.get_shape()[i].value

# 將TensorShape變量轉(zhuǎn)化為list類型，然后直接按照索引取值
x.get_shape().as_list()

下面給出全部的示例程序：

import tensorflow as tf

x1 = tf.constant([[1,2,3],[4,5,6]])
# 占位符創(chuàng)建變量，第一個(gè)維度初始化為None，表示暫不指定維度
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未進(jìn)行完整的變量填充，其維度不完整，因此執(zhí)行下面的命令將會(huì)報(bào)錯(cuò)
 # print('Within session, tf.shape(x2):',sess.run(shapeOP2)) # 此命令將會(huì)報(bào)錯(cuò)

輸出結(jié)果為：

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]

以上是“tensorflow獲取變量維度信息的示例分析”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對(duì)大家有所幫助，如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道！

分享文章：tensorflow獲取變量維度信息的示例分析-創(chuàng)新互聯(lián)
文章來(lái)源：http://www.rwnh.cn/article28/epijp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站維護(hù)、品牌網(wǎng)站建設(shè)、網(wǎng)站設(shè)計(jì)公司、商城網(wǎng)站、微信公眾號(hào)、動(dòng)態(tài)網(wǎng)站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)