Python 如何在Tensorflow中提取占位符张量的形状值？

我为输入数据定义了一个

x=tf.placeholder（“float”，shape=[None，784]）

。稍后，我需要知道

x

形状的第一个值作为批次大小。我通过

x.get\u shape（）.as\u list（）[0]

提取值，但是我得到了

None

。你能告诉我如何正确提取它吗？非常感谢

编辑：

我现在使用了

tf.get_shape（）

，但它会导致另一个错误。在我的代码中，我定义了一个

deconv

函数：

def deconv(X, W, b, output_shape):
    X += b 
    return tf.nn.conv2d_transpose(X, W, output_shape, strides=[1, 1, 1, 1])

如果我以如下方式将

batch\u size

设置为

int

：

batch\u size=50

，调用

deconv

函数的效果如下：

W_conv2_T = tf.ones([5, 5, 32, 64])
pool1_tr = deconv(conv2_tr, W_conv2_T, tf.zeros([64]), [batch_size, 14, 14, 32])

---

conv2\u tr

的形状是

[50,14,14,64]

。而

pool1\u tr

的结果形状是

[50,14,14,32]

。但是如果我设置

batch\u size=tf.get\u shape（x）[0]

，则

conv2\u tr

的形状是

[None，14，14，64]

，而

pool1\u tr

的结果形状变成

[None，None，None，None]

。这只虫子真奇怪。你能帮我解决这个问题吗？提前谢谢

占位符中行数的

None

值意味着它在运行时可能会变化，因此必须使用以

tf.Tensor

的形式获取形状。以下代码应该可以工作：

batch_size = tf.shape(x)[0]

---

占位符中的行数的值为

None

，这意味着它在运行时可能会发生变化，因此必须使用以

tf.Tensor

的形式获取形状。以下代码应该可以工作：

batch_size = tf.shape(x)[0]

---

非常感谢你的回答！不幸的是，我得到了另一个相关的奇怪的错误，我不知道这一点。我已经编辑了问题并添加了进一步的信息。你能帮我看一下吗？谢谢看起来

tf.nn.conv2d_transpose（）

的形状推断非常弱。（看起来像是我写的：P.）感谢您提请我们注意-我们将准备一个修复程序，同时您可以调用

pool1\u tr.set\u shape（）

，使用该形状的已知尺寸。非常感谢您的回答！不幸的是，我得到了另一个相关的奇怪的错误，我不知道这一点。我已经编辑了问题并添加了进一步的信息。你能帮我看一下吗？谢谢看起来

tf.nn.conv2d_transpose（）

的形状推断非常弱。（看起来像是我写的：P.）感谢您提请我们注意-我们将准备一个修复程序，同时您可以使用该形状的已知尺寸调用

pool1\u tr.set\u shape（）

。