Python Tensorflow动态/静态形状：无法将int转换为Tensor操作

在这段代码中，我得到了输入张量的动态和静态形状。问题是，虽然我的Numpy生成的数组应该被视为张量，但它不是！任何帮助都将不胜感激

import tensorflow as tf
import numpy as np


def get_shape(tensor):
    """
        Return the static shape of a tensor only when available
    """

    static_shape = tensor.shape.as_list()
    dynamic_shape = tf.unstack(tf.shape(tensor))

    dim = [s[1] if s[0] is None else s[0] for s in zip(static_shape, dynamic_shape)]

    return dim


a = tf.placeholder(dtype=tf.float32, shape=[None, 128])

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    x = np.random.normal(loc=0.5, scale=0.3, size=[150, 128])
    shapes = get_shape(a)
    print(sess.run(shapes, feed_dict={a: x}))

换线就行了

dim = [s[1] if s[0] is None else s[0] for s in zip(static_shape, dynamic_shape)]

到

---

问题是，在本例中，您

s[0]

指的是

int

类型，因为它是一个静态形状。但这里我们需要一个有效的tensorflow操作。使用

tf.constant（s[0]）

而不是

s[0]

解决了这个问题。

我认为您找不到占位符的静态形状，因为它没有定义。这就是为什么你只能找到动态形状（tf.shape（tensor）为什么你在

sess.run（a，feed\u dict={a:x}）

执行时传递形状？形状的类型是

[，128]

@MohanRadhakrishnan，因为它包含一个Tensorflow操作，所以我想计算形状。@guillaumegg10 Nevermind。get\u形状中的条件处理该操作。

 dim = [s[1] if s[0] is None else tf.constant(s[0]) for s in zip(static_shape, dynamic_shape)]