快捷導(dǎo)航

在keras 中獲取張量 tensor 的維度大小實(shí)例

更新時(shí)間：2020年06月10日 10:51:35 作者：skyfengye

這篇文章主要介紹了在keras 中獲取張量 tensor 的維度大小實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

在進(jìn)行keras 網(wǎng)絡(luò)計(jì)算時(shí)，有時(shí)候需要獲取輸入張量的維度來(lái)定義自己的層。但是由于keras是一個(gè)封閉的接口。因此在調(diào)用由于是張量不能直接用numpy 里的A.shape()。這樣的形式來(lái)獲取。這里需要調(diào)用一下keras 作為后端的方式來(lái)獲取。當(dāng)我們想要操作時(shí)第一時(shí)間就想到直接用 shape ()函數(shù)。其實(shí)keras 中真的有shape()這個(gè)函數(shù)。

shape（x）返回一個(gè)張量的符號(hào)shape，符號(hào)shape的意思是返回值本身也是一個(gè)tensor，

示例：

>>> from keras import backend as K
>>> tf_session = K.get_session()
>>> val = np.array([[1, 2], [3, 4]])
>>> kvar = K.variable(value=val)
>>> input = keras.backend.placeholder(shape=(2, 4, 5))
>>> K.shape(kvar)
<tf.Tensor 'Shape_8:0' shape=(2,) dtype=int32>
>>> K.shape(input)
<tf.Tensor 'Shape_9:0' shape=(3,) dtype=int32>
__To get integer shape (Instead, you can use K.int_shape(x))__
 
>>> K.shape(kvar).eval(session=tf_session)
array([2, 2], dtype=int32)
>>> K.shape(input).eval(session=tf_session)
array([2, 4, 5], dtype=int32)

如果直接調(diào)用這個(gè)出的不是我們想要的。我們想要的是tensor各個(gè)維度的大小。因此可以直接調(diào)用 int_shape(x) 函數(shù)。這個(gè)函數(shù)才是我們想要的。

>>> from keras import backend as K
>>> input = K.placeholder(shape=(2, 4, 5))
>>> K.int_shape(input)
(2, 4, 5)
>>> val = np.array([[1, 2], [3, 4]])
>>> kvar = K.variable(value=val)
>>> K.int_shape(kvar)
(2, 2)

最后這樣我們就可以直接調(diào)用里面的大小。然后定義我們自己的keras 層了。

補(bǔ)充知識(shí)：獲取Tensor的維度（x.shape和x.get_shape()的區(qū)別）

tf.shape(a)和a.get_shape()比較

相同點(diǎn)：都可以得到tensor a的尺寸

不同點(diǎn)：tf.shape()中a 數(shù)據(jù)的類型可以是tensor, list, array

a.get_shape()中a的數(shù)據(jù)類型只能是tensor,且返回的是一個(gè)元組（tuple）

import tensorflow as tf 
import numpy as np 

x=tf.constant([[1,2,3],[4,5,6]])
y=[[1,2,3],[4,5,6]] 
z=np.arange(24).reshape([2,3,4])

sess=tf.Session() 
# tf.shape() 
x_shape=tf.shape(x)          # x_shape 是一個(gè)tensor 
y_shape=tf.shape(y)          # <tf.Tensor 'Shape_2:0' shape=(2,) dtype=int32> 
z_shape=tf.shape(z)          # <tf.Tensor 'Shape_5:0' shape=(3,) dtype=int32> 
print(sess.run(x_shape))       # 結(jié)果:[2 3]
print(sess.run(y_shape))       # 結(jié)果:[2 3]
print(sess.run(z_shape) )       # 結(jié)果:[2 3 4]

x_shape=x.get_shape() 
print(x_shape)    # 返回的是TensorShape([Dimension(2), Dimension(3)]),不能使用 sess.run() 因?yàn)榉祷氐牟皇莟ensor 或string,而是元組                            (2, 3)
x_shape=x.get_shape().as_list() 
print(x_shape) # 可以使用 as_list()得到具體的尺寸，x_shape=[2 3] 這是重點(diǎn) 返回列表方便參加其他代碼的運(yùn)算
# y_shape=y.get_shape() 
print(x_shape)# AttributeError: 'list' object has no attribute 'get_shape'
# z_shape=z.get_shape() 
print(x_shape)# AttributeError: 'numpy.ndarray' object has no attribute 'get_shape' 或者a.shape.as_list()

以上這篇在keras 中獲取張量 tensor 的維度大小實(shí)例就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: