一、tf.shape()
tf.shape(input,name=None,out_type=tf.int32)
参数
（1）input：输入张量或稀疏张量；

（2）name：命名；

（3）out_type：默认tf.int32类型；

输出
返回out_type类型张量。

例子：将矩阵的维度输出成一个维度的矩阵
import tensorflow as tf
import numpy as np

A = np.array([[[1, 1, 1],
               [2, 2, 2]],
              [[3, 3, 3],
               [4, 4, 4]],
              [[5, 5, 5],
               [6, 6, 6]]])
t = tf.shape(A)
with tf.Session() as sess:
    print(sess.run(t))


import tensorflow as tf
import numpy as np

A = np.array([[[1, 1],
               [2, 2]],
              [[3, 3],
               [4, 4]]])
t = tf.shape(A)
with tf.Session() as sess:
    print(sess.run(t))


二、tf.reshape()
tf.reshape(tensor,shape,name=None)
参数
（1）tensor：输入张量；

（2）shape：列表形式，可以存在-1；

        -1代表的含义是不用我们自己指定这一维的大小，函数会自动计算，但列表中只能存在一个-1；

（3）name：命名；

输出
将tensor变换为参数shape的形式。

例子
import numpy as np
a= np.array([0,1,2,3,4,5,6,7])
print('a=',a)

b = a.reshape((2,4))
print('b=',b)

c = a.reshape((2,2,2))
print('c=',c)

---------------------
作者：蹦跶的小羊羔
来源：CSDN
原文：https://blog.csdn.net/yql_617540298/article/details/82965503
版权声明：本文为博主原创文章，转载请附上博文链接！