了解 Tensorflow 的形状、等级和大小

Question

我正在尝试查看 tf.rank()、tf.shape() 和 tf.size() 的输出，但即使是一个简单的列表，我也会得到奇怪的结果：

   t = [[1, 2, 3], [4, 5, 6], [7, 8, 9], [2, 3, 4]]

结果如下：

   In [451]: tf.shape(t)
   Out[451]: <tf.Tensor 'Shape_11:0' shape=(2,) dtype=int32>

   In [452]: tf.size(t)
   Out[452]: <tf.Tensor 'Size_5:0' shape=() dtype=int32>

   In [453]: tf.rank(t)
   Out[453]: <tf.Tensor 'Rank_4:0' shape=() dtype=int32>

你能解释一下如何解释这些吗？

谢谢

Answer 1

您正在打印 tf.shape(t)、tf.size(t) 和 tf.rank(t) 的形状（张量，而不是它们的结果。

相反，创建一个会话并评估那些：

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

print sess.run(tf.shape(t))
print sess.run(tf.size(t))
print sess.run(tf.rank(t))

Answer 2

我们只看第一个输出。

In [451]: tf.shape(t)
Out[451]: <tf.Tensor 'Shape_11:0' shape=(2,) dtype=int32>

tf.shape 在计算图中添加一个运算，returns 添加一个张量。

此张量的名称为 Shape_11:0 其中

Shape 是生成此张量的 op 的名称，后跟
_<n> 其中 <n> 是图（调用 tf.shape）。 :<idx> 是该张量在生成它的操作的输出中的索引。

这个张量有 shape 那就是 (2,)，所以它是一个二维张量。

这个张量有一个 type 那是 int32。

其他 2 个 ops 乘积张量也是如此。按照前面的推理你可以理解他们的输出。

这就是你输出的解释。顺便说一句，如果你想获得操作的结果，你必须将操作评估为会话 Olivier Moindrot pointed out in .

了解 Tensorflow 的形状、等级和大小

Understanding Tensorflow's shape, rank and size

tensorflow