在Tensorflow 2.0中，tf.shape（image）返回None

我用Tensorflow 2.0建立了一个超分辨率模型。在预处理过程中，我希望按照给定的面片大小裁剪低分辨率和高分辨率图像。为了做到这一点，我想得到低分辨率和高分辨率图像的高度和宽度。但是tf.shape（image）没有返回任何值。 有更好的方法吗

目前，在使用tf.shape之前，我只是将每个图像的大小调整到某个大小，但由于并非所有图像都具有相同的大小，这会影响图像的质量。期待您的建议

编辑部分： 下面是代码的一些部分

low_r=tf.io.decode_jpeg（lr_文件名，通道=3）

low_r=tf.cast（low_r，dtype=tf.float32）

打印（低形状）

打印语句打印（无、无、3）

---

我想得到的是身高和体重，比如（240360,3）

我无法重复您的问题，但这应该可以让您测试Tensorflow 2.0安装并与当前获得的结果进行比较

创建张量并检查其形状：

import tensorflow as tf
t = tf.constant([[[1, 1, 1], [2, 2, 2]], [[3, 3, 3], [4, 4, 4]]])
tf.shape(t)  # [2, 2, 3]

Out[1]: <tf.Tensor: id=1, shape=(3,), dtype=int32, numpy=array([2, 2, 3])>

输出：

tf.Tensor([2 2 3], shape=(3,), dtype=int32)

tf.Tensor([], shape=(0,), dtype=int32)
tf.Tensor([], shape=(0,), dtype=int32)

最后，在int和string上调用它以返回有效的返回：

tf.shape(1)
Out[10]: <tf.Tensor: id=12, shape=(0,), dtype=int32, numpy=array([], dtype=int32)>

tf.shape('asd')
Out[11]: <tf.Tensor: id=15, shape=(0,), dtype=int32, numpy=array([], dtype=int32)>

输出：

tf.Tensor([2 2 3], shape=(3,), dtype=int32)

tf.Tensor([], shape=(0,), dtype=int32)
tf.Tensor([], shape=(0,), dtype=int32)

---

tf.shape（）。这与以下事实有关：
TensorShape
tensor是在构建过程中生成的，而不是在执行过程中生成的

使用
tf.shape（）
（在您的问题中提到，但实际上没有在您的代码片段中使用）可以为我解决这个问题

> my_tensor.shape()
TensorShape([None, None, None, None])
> tf.shape(my_tensor)
[10 512 512 8]

如果你不提供代码，我们就帮不了你。请看一下。我提供了我的代码。