脚本专栏 
首页 > 脚本专栏 > 浏览文章

Tensorflow获取张量Tensor的具体维数实例

(编辑:jimmy 日期: 2024/11/19 浏览:3 次 )

获取Tensor的维数

> import tensorflow as tf

> tf.__version__
'1.2.0-rc1'

> x=tf.placeholder(dtype=float32,shape=[1,2,3,4])
> x=tf.placeholder(dtype=tf.float32,shape=[1,2,3,4])

> x.shape
TensorShape([Dimension(1), Dimension(2), Dimension(3), Dimension(4)])
> x.get_shape()
TensorShape([Dimension(1), Dimension(2), Dimension(3), Dimension(4)])
# 返回tuple

> x.shape[2]
Dimension(3)
> x.get_shape()[2]
Dimension(3)

# 获取具体维度数值
> x.shape[2].value
3
> x.get_shape()[2].value
3
# 也可以将TensorShape变量转化为list类型,然后直接按照索引取值
> x.shape.as_list()
[1, 2, 3, 4]
> x.shape.as_list()
[1, 2, 3, 4]

# 可以与int型数值比较
> x.shape[2] == 3
True
> x.get_shape()[2] == 3
True

以上这篇Tensorflow获取张量Tensor的具体维数实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。

上一篇:利用Tensorflow构建和训练自己的CNN来做简单的验证码识别方式
下一篇:tensorflow 重置/清除计算图的实现
一句话新闻
一文看懂荣耀MagicBook Pro 16
荣耀猎人回归!七大亮点看懂不只是轻薄本,更是游戏本的MagicBook Pro 16.
人们对于笔记本电脑有一个固有印象:要么轻薄但性能一般,要么性能强劲但笨重臃肿。然而,今年荣耀新推出的MagicBook Pro 16刷新了人们的认知——发布会上,荣耀宣布猎人游戏本正式回归,称其继承了荣耀 HUNTER 基因,并自信地为其打出“轻薄本,更是游戏本”的口号。
众所周知,寻求轻薄本的用户普遍更看重便携性、外观造型、静谧性和打字办公等用机体验,而寻求游戏本的用户则普遍更看重硬件配置、性能释放等硬核指标。把两个看似难以相干的产品融合到一起,我们不禁对它产生了强烈的好奇:作为代表荣耀猎人游戏本的跨界新物种,它究竟做了哪些平衡以兼顾不同人群的各类需求呢?
友情链接:杰晶网络 DDR爱好者之家 南强小屋 黑松山资源网 白云城资源网 SiteMap