बस tensor.shape
का उपयोग स्थिर आकार पाने के लिए:
In [102]: a = tf.placeholder(tf.float32, [None, 128])
# returns [None, 128]
In [103]: a.shape.as_list()
Out[103]: [None, 128]
गतिशील आकार पाने के लिए जबकि, tf.shape()
का उपयोग करें:
dynamic_shape = tf.shape(a)
तुम भी आकार आप चाहते के रूप में प्राप्त कर सकते हैं NumPy में साथ your_tensor.shape
निम्न उदाहरण में।
In [11]: tensr = tf.constant([[1, 2, 3, 4, 5], [2, 3, 4, 5, 6]])
In [12]: tensr.shape
Out[12]: TensorShape([Dimension(2), Dimension(5)])
In [13]: list(tensr.shape)
Out[13]: [Dimension(2), Dimension(5)]
In [16]: print(tensr.shape)
(2, 5)
इसके अलावा, इस उदाहरण के लिए, tensors के लिए eval
uated जा सकता है।
In [33]: tf.shape(tensr).eval().tolist()
Out[33]: [2, 5]
मैंने पाया [इस] (https://stackoverflow.com/a/41771268/1358091) एक टेन्सर के आकार का विश्लेषण करने के लिए बहुत उपयोगी जवाब देने के बावजूद इसे स्वीकार कर लिया एक नहीं है। –