tf.shape(a)和a.get_shape()

1，tf.shape(a)和a.get_shape()比较
相同点：都可以得到tensor a的尺寸
不同点：tf.shape()中a 数据的类型可以是tensor, list, array
a.get_shape()中a的数据类型只能是tensor,且返回的是一个元组（tuple）

2，例子：

import tensorflow as tf  import numpy as np  x=tf.constant([[1,2,3],[4,5,6]]  y=[[1,2,3],[4,5,6]]  z=np.arange(24).reshape([2,3,4]))  sess=tf.Session()  # tf.shape()  x_shape=tf.shape(x)                    #  x_shape 是一个tensor  y_shape=tf.shape(y)                    #  <tf.Tensor 'Shape_2:0' shape=(2,) dtype=int32>  z_shape=tf.shape(z)                    #  <tf.Tensor 'Shape_5:0' shape=(3,) dtype=int32>  print sess.run(x_shape)              # 结果:[2 3]  print sess.run(y_shape)              # 结果:[2 3]  print sess.run(z_shape)              # 结果:[2 3 4]  #a.get_shape()  x_shape=x.get_shape()  # 返回的是TensorShape([Dimension(2), Dimension(3)]),不能使用 sess.run() 因为返回的不是tensor 或string,而是元组  x_shape=x.get_shape().as_list()  # 可以使用 as_list()得到具体的尺寸，x_shape=[2 3]  y_shape=y.get_shape()  # AttributeError: 'list' object has no attribute 'get_shape'  z_shape=z.get_shape()  # AttributeError: 'numpy.ndarray' object has no attribute 'get_shape'  或者a.shape.as_list()