Tensorflow 张量流形状检测器

与大多数编程语言不同，TensorFlow不将数组的形状视为类型的一部分。这样做的缺点是，如果您犯了错误，并且意外地提供了错误形状的数据，它可能会默默地给出错误的答案，例如，这会使调试变得困难

---

TF是否存在形状检查器？也就是说，一个函数或程序可以分析图形（如果需要，可以使用sample

feed_dict

）并在形状不匹配时发出警报？

Tensorflow确实提供了一种形状检查器机制，从技术上讲，这是在声明Tensorflow占位符时应该指定的形状参数。默认情况下，tensorflow的形状为[None，None]。但是，例如，如果您在声明占位符时指定了形状，那么每当用户输入不正确/冲突形状的数据时，就会引发形状错误。例如 假设我声明了一个名为X的占位符，并指定了它的shape参数：

X=tf.placeholder(dtype=tf.float32, shape=[None,256])

现在，这意味着X的行数可以变化，但特征的数量将始终是256。现在，如果我错误地输入了形状数据，比如1000行和20个特征，那么形状错误就会增加

此外，请检查此链接：

使用：

print(str(tf.Shape(test_tensor))) # where test_tensor is
                                whatever your tensor's name is

此处提供的文档：