Tensorflow 类型错误：'；张量形'；对象不可调用

我是Tensorflow编程新手，我在挖掘一些函数时，在代码段中发现了以下错误：

**with** **tf.Session()** as sess_1:
c = tf.constant(5)
d = tf.constant(6)
e = c + d
print(sess_1.run(e))
print(sess_1.run(e.shape()))

发现错误：回溯（最近一次呼叫上次）： 文件“C:/Users/Ashu/PycharmProjects/untitled/Bored.py”，第15行，in 打印（sess_1.run（e.shape（））） TypeError:“TensorShape”对象不可调用

我没有在这里找到它，所以任何人都可以澄清这个愚蠢的疑问，因为我是新的学习者。对不起，任何打字错误

我还有一个疑问，当我使用simply eval（）函数时，它不会在pycharm中打印任何内容，我必须将它与print（）方法一起使用。所以我的疑问是，当使用print（）方法时，它不打印张量的数据类型，它只是在pycharm中打印张量或python对象值。（为什么我没有以如下格式获得输出：array（[1,1.，]，dtype=float32]）是pycharm在新版本中打印张量的方式，还是我做错了什么？很高兴知道这背后的事情，请帮助和原谅，如果我在任何地方错了

如中所述，您只能使用张量、操作或张量/操作列表调用会话的

run

方法。最后一行代码调用

运行

，结果是

e.shape（）

，它的类型为

TensorShape

。会话无法执行

TensorShape

参数，因此出现错误

---

使用张量调用

print

时，系统将打印张量的内容。如果要打印张量类型，请使用类似于

print（type（tensor））

的代码，对于初学者来说，tensorflow的一个令人困惑的方面是有两种类型的形状：由

tf.shape（x）

给出的动态形状和由

x.shape

给出的静态形状（假设

x

是张量）。虽然它们代表相同的概念，但它们的使用方式却非常不同

静态形状是运行时已知的张量的形状。它本身就是一种数据类型，但可以使用

as_list（）

将其转换为列表

在操作过程中，tensorflow尽可能跟踪静态形状。在上述示例中，y的形状是基于部分已知的

x

形状计算的。注意，我们甚至还没有创建会话，但是静态形状仍然是已知的

由于批大小未知，因此不能在计算中使用静态第一项

z = tf.reduce_sum(x) / tf.cast(x.shape.as_list()[0], tf.float32)  # ERROR

（我们可以用

x.shape.as_list（）[1]

来划分，因为该维度在运行时是已知的，但这里没有说明任何内容）

如果我们需要使用静态未知的值（即在图形构建时），我们可以使用

x

的动态形状。动态形状是一个张量-就像tensorflow中的其他张量一样-使用会话进行评估

z = tf.reduce_sum(x) / tf.cast(tf.shape(x)[0], tf.float32)  # all good!

您不能在动态形状上调用

as_list

，也不能在未经过会话求值的情况下检查其值

z = tf.reduce_sum(x) / tf.cast(tf.shape(x)[0], tf.float32)  # all good!