Python 被tensorflow输出搞糊涂了

这是我的代码和相关输出。搞不懂为什么同一张量有两种不同的形状输出？一个是

shape=（3，1）

，另一个是

shape=（2，）

产出

Tensor("Const_0:0", shape=(3, 1), dtype=float32)
Tensor("Shape_0:0", shape=(2,), dtype=int32)

的第一个输出

print tensor

告诉你张量的信息（维数）。这是一个三行一列的张量

但是,

tf.shape(tensor)

返回表示输入形状的一维整数张量。因此，您看到的输出是关于返回张量的信息（形状），您可以使用以下方法看到：

tensor.get_shape()

> TensorShape([Dimension(3), Dimension(1)])

实际上，它有两个值。

因为

tf.shape（张量）

将返回一个shape对象。当你把它打印出来时，实际上是关于形状对象的信息，即形状=（2），它不是张量的形状，而是形状对象的形状

---

有关更多详细信息，请查看

谢谢，但为什么它是

形状=（2，）

？这是因为“张量形状”=（3,1），所以“张量形状”=（2，）的形状是（3,1）谢谢的形状，但是

（2，）

对形状意味着什么？它的意思是2*什么维度？因为它是一个元组，如果你需要在元组中声明一个值，你需要在它的末尾添加逗号。阅读了解详细信息。你的意思是

tf.shape（tensor）

的返回是一个元组而不是另一个张量吗？谢谢，另一个混淆是

tensor=tf.constant（[[1.]，[1.]，[1.]，[1.]]）

，它定义了一个具有3*1维的张量，或具有1*1维的3张量，如输出所示，dtype=float32）得到一个维度为3x1的张量。谢谢，在我的原始输出中，

shape=（2，）

表示什么类型的形状，它表示2*什么维度？只是好奇。正如我在文章中所说，它是一个一维张量（或向量）。所以它是两个元素的向量：

[3,1]

|它不是1x2张量！这将是一个二维张量（或矩阵），看起来像这样

[[1,2]]

（注意两组括号）。

tensor.get_shape()

> TensorShape([Dimension(3), Dimension(1)])