如何在图构建时获取张量（在 TensorFlow 中）的维度？

Question

我正在尝试一个未按预期运行的操作。

graph = tf.Graph()
with graph.as_default():
  train_dataset = tf.placeholder(tf.int32, shape=[128, 2])
  embeddings = tf.Variable(
    tf.random_uniform([50000, 64], -1.0, 1.0))
  embed = tf.nn.embedding_lookup(embeddings, train_dataset)
  embed = tf.reduce_sum(embed, reduction_indices=0)

所以我需要知道张量的维度embed。我知道它可以在运行时间完成，但对于这样一个简单的操作来说，工作量太大了。更简单的方法是什么？

Answer 1

Tensor.get_shape() 来自 .

From documentation:

c = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])
print(c.get_shape())
==> TensorShape([Dimension(2), Dimension(3)])

Answer 2

不用运行:

构造图(ops)后打印出embed

import tensorflow as tf

...

train_dataset = tf.placeholder(tf.int32, shape=[128, 2])
embeddings = tf.Variable(
    tf.random_uniform([50000, 64], -1.0, 1.0))
embed = tf.nn.embedding_lookup(embeddings, train_dataset)
print (embed)

这将显示嵌入张量的形状：

Tensor("embedding_lookup:0", shape=(128, 2, 64), dtype=float32)

通常，最好在训练模型之前检查所有张量的形状。

Answer 3

访问值的函数：

def shape(tensor):
    s = tensor.get_shape()
    return tuple([s[i].value for i in range(0, len(s))])

示例：

batch_size, num_feats = shape(logits)

Answer 4

我看到大多数人对 tf.shape(tensor) 和 tensor.get_shape() 感到困惑让我们说清楚：

tf.shape

tf.shape用于动态形状。如果您的张量形状可变，请使用它。举个例子：输入是一张宽度和高度可变的图像，我们想将它的大小调整为原来的一半，那么我们可以这样写：
new_height = tf.shape(image)[0] / 2

tensor.get_shape

tensor.get_shape用于固定形状，这意味着张量的形状可以推导出在图中。

结论： tf.shape 几乎可以在任何地方使用，但 t.get_shape 仅适用于可以从图形中推导出的形状。

Answer 5

让我们把它变得非常简单。如果你想要像 2, 3, 4, etc., 这样的维数的单个数字，那么只需使用 tf.rank()。但是，如果您想要张量的确切形状，请使用 tensor.get_shape()

with tf.Session() as sess:
   arr = tf.random_normal(shape=(10, 32, 32, 128))
   a = tf.random_gamma(shape=(3, 3, 1), alpha=0.1)
   print(sess.run([tf.rank(arr), tf.rank(a)]))
   print(arr.get_shape(), ", ", a.get_shape())     


# for tf.rank()    
[4, 3]

# for tf.get_shape()
Output: (10, 32, 32, 128) , (3, 3, 1)

Answer 6

方法tf.shape是一个TensorFlow静态方法。但是，对于Tensorclass，也有方法get_shape。见

https://www.tensorflow.org/api_docs/python/tf/Tensor#get_shape

Answer 7

使用 tf.constant()

在 tensorflow 中创建张量

这是导入库

import tensorflow as tf

这将创建张量

tensor = tf.constant([[[2,4,5], [5,6,6]], [[9,7,8], [4,8,2]], [[7,1,3], [4,8,9]]])

这将显示张量

tensor

这将显示维数

tensor.ndim

Answer 8

#创建张量

tensor = tf.constant([[[1, 2, 3],
                   [3, 4, 5]],
                  [[5, 6, 7],
                   [8, 6, 9]],
                  [[2, 1, 5],
                   [5, 7, 8]]])
tensor

#显示结果

<tf.Tensor: shape=(3, 2, 3), dtype=int32, numpy= array([[[1, 2, 3],[3, 4, 5]],

   [[5, 6, 7],
    [8, 6, 9]],

   [[2, 1, 5],
    [5, 7, 8]]], dtype=int32)>

如何在图构建时获取张量（在 TensorFlow 中）的维度？

How to get the dimensions of a tensor (in TensorFlow) at graph construction time?

python

deep-learning

tensorflow

tensor