Python 什么是；fc1=tf.重塑（conv2，[-1，权重['；wd1'；].获取形状（）.作为列表（）[0]]）”；做什么？

这个

get.shape（）.as_list（）[0]

做什么

def conv_net(x, weights, biases, dropout):
    # Layer 1 - 28*28*1 to 14*14*32
    conv1 = conv2d(x, weights['wc1'], biases['bc1'])
    conv1 = maxpool2d(conv1, k=2)

    # Layer 2 - 14*14*32 to 7*7*64
    conv2 = conv2d(conv1, weights['wc2'], biases['bc2'])
    conv2 = maxpool2d(conv2, k=2)

---

为了更好地理解

get.shape（）.as_list（）

，这里我提供了一个简单的例子，希望对您有所帮助

fc1 = tf.reshape(conv2, [-1, weights['wd1'].get_shape().as_list()[0]])

输出：

import tensorflow as tf
c = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])
Shape = c.get_shape().as_list()
print(Shape)  

Shape = c.get_shape().as_list()[0] 

tf.reshape(c, [-1])

这意味着

c

有

2行3列

。 当我们打印

Shape=c.get_Shape（）.as_list（）[0]

时，它以列表格式返回

c

的

0个
元素（通常它以元组形式返回形状为（2,3））

输出：

import tensorflow as tf
c = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])
Shape = c.get_shape().as_list()
print(Shape)  

Shape = c.get_shape().as_list()[0] 

tf.reshape(c, [-1])

当我们使用
tf.reformate
时，它返回一个新的张量，该张量的值与旧的张量的值具有相同的顺序，除了由shape指定的新形状

当我们通过[-1]
的
形状时，它会变平为1D

2

输出：

import tensorflow as tf
c = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])
Shape = c.get_shape().as_list()
print(Shape)  

Shape = c.get_shape().as_list()[0] 

tf.reshape(c, [-1])



fc1=tf.重塑（conv2，[-1，权重['wd1'].获取形状（）.作为列表（）[0]]））

总而言之，我们将把
conv2
层（即2D）的权重展平（即1D），并提取
weights['wd1']
的
0th
元素
获取
weights['wd1']
的当前形状的第0th元素。如果需要更多详细信息，请仔细阅读。这是一个更复杂的话题。