Tensorflow 为什么像张量的形状是（？，？）

这是我的密码

img_path = tf.read_file(testqueue[0])
my_img = tf.image.decode_jpeg(img_path)
sess.run(my_img)
print my_img.get_shape()

结果呢,

(?, ?, ?)

---

为什么我会得到这个结果？

来回答这个问题并提供一些细节

静态信息

tensor\u name.shape

返回图形编译时可用的形状信息。它依赖于张量性质

是注册的。在创建图形期间，TensorFlow在

推断上下文下运行形状传播。给定从输入张量已知的形状属性，每个操作都会提示其输出张量的外观

例如，“rgb2gray”操作只需复制输入张量的形状（例如[b'，h'，w'，c']，并将输出设置为[b'，h'，w'，1]。它不需要知道b'，h'，w'的确切值，因为它只需复制这些先前的值

从具体情况看，此操作显然可以处理
频道
属性：

//读取属性“channels from”tf.image.decode\u jpeg（…，channels）”
TF_返回_IF_错误（c->GetAttr（“通道”和通道））；
// ....
//设置张量信息“my_img.get_shape（）”将具有
c->set_输出（0，c->MakeShape（{推理上下文：：Kunnowndim，
推论上下文：：kunnowndim，channels_dim}）；

前两个维度设置为
推断上下文：：kunnowndim
，因为操作只知道有一个高度和宽度，但具体的值可以变化。它可以最好地猜测通道轴的外观。如果指定属性
tf.decode\u jpeg（…，channels=3）
，它可以并将设置最后一个维度

当if分支
channels==0
处于活动状态时，这将导致形成一个形状（？，？）

运行时信息
另一方面，定义结束。这检查实际的张量内容：

//从值本身获取实际的张量形状
张量形；
OP_需要_OK（ctx，shape_OP_helpers:：GetRegularOrVariantShape（ctx，0，&shape））；
const int rank=shape.dims（）；
//写出“tf.shape（…）”的张量结果
对于（int i=0；i

这就像
tf.shape
对其先前的操作所说的：

你可以告诉我你几分钟前得出的任何结论。我不在乎你在这一点上有多聪明，也不在乎你对形状的猜测付出了多少努力。看，我只是看看混凝土张量，它现在有了内容，我完成了

后果
这有一些重要的后果：


tf.shape
是张量，而
tensorname.shape
不是
有些属性需要整数。因此无法使用张量
tf.shape
图形优化（如XLA）只能依赖于
tensorname.shape
如果您知道图像的形状（数据库中只有128x128x3个图像），则应设置形状，例如，使用
tf.reformate（img，[128，128，3]

您可能还对实现了哪一个感兴趣。
尝试
sess.run（my\u img）.shape
或等效值。我相信
我的img
只是一个符号，直到您使用
sess.run运行它。输出应该有一个形状。谢谢！没错。如何创建张量来表示sess之前我的img的形状。run？使用
tf.shape（）
为什么要在sess之前使用该形状？运行
？通常，您只需将其作为一个符号，以便算法的其余部分可以自动调整自身以适应未来图像的新形状。是的，tf.shape（）很好。谢谢你们！我想要这个形状是因为我想在运行会话之前构建图形，并且会有一些基于形状值的操作。