将张量形状提取为具有未知第一维的整数答案

【问题标题】：Extract tensor shape as integers with unknown first dimension将张量形状提取为具有未知第一维的整数
【发布时间】：2021-07-24 01:43:48
【问题描述】：

我有一个函数，它将张量 X 作为输入。我想从第一维未知的张量中提取第二、第三和第四维大小：

我写了以下代码，但它不起作用：

x = Input(shape=(128, 128, 1))

def function1(x):
    sz = tf.shape(x)
    row = int(sz[1].numpy())
    col = int(sz[2].numpy())

我收到以下错误：

AttributeError: 'Tensor' object has no attribute 'numpy'

我也试过了：

sz = tf.TensorShape(x).as_list()

但错误是：

TypeError: Cannot iterate over a tensor with unknown first dimension.

我使用的是 TensorFlow 2.1

【问题讨论】：

【解决方案1】：

您可以使用get_shape()。

print(x.get_shape().as_list())

【讨论】：

【解决方案2】：

您可以拨打x.shape:

x = tf.keras.Input(shape=(128, 128, 1))

n, row, col, channels = x.shape

这是x.shape 返回的内容：

TensorShape([None, 128, 128, 1])

或者像这样：

row, col, channels = x.shape[1:]

【讨论】：