https://blog.csdn.net/TeFuirnever/article/details/88880350
https://blog.csdn.net/shuzfan/article/details/79051042
獲取tensor shape共有三中方式：x.shape、x.get_shape()、tf.shape(x)
x.shape：返回TensorShape類型，可以直接看到shape，打印出來的形式如：(3, 5)。注意x必須是tensor類型才能調用；
x.get_shape()：同x.shape，是獲取x的shape屬性的函數；
tf.shape(x)：返回的是Tensor類型，不能直接看到shape，只能看到shape的維數，如2。x可以不是tensor類型；另外對應維度為None的變量，想要獲得運行時實際的值，必須在運行時使用tf.shape(x)[0]方式獲得；
可以用 x.shape.as_list() 很方便獲取tensor的維度list，比如維度變換時：
# shape=[3, 2, 3]
array = [ [[1, 1, 1], [2, 2, 2]],
[[3, 3, 3], [4, 4, 4]],
[[5, 5, 5], [6, 6, 6]]
]
input = tf.constant(array)
shape_list = input.shape.as_list()
print(shape_list) # [3, 2, 3]
with tf.Session() as sess:
output = tf.reshape(input, [-1, shape_list[1]*shape_list[2]])
print(sess.run(output)) # [[1 1 1 2 2 2]
# [3 3 3 4 4 4]
input = [[1, 2, 3, 4, 5],
[6, 7, 8, 9, 10],
[11, 12, 13, 14, 15]
]
# input = tf.random_normal([32, 10, 8])
# 轉換為tensor
input2 = tf.constant(input)
print(input2.shape) # (3, 5)
print(tf.shape(input2)) # Tensor("Shape_1:0", shape=(3,), dtype=int32)
# 維度為None情況
tensor_x = tf.placeholder(tf.int64, [None, 42], name='tensor_x')
print(tensor_x.shape) # (?, 42)
print(tf.shape(tensor_x)) # Tensor("Shape:0", shape=(2,), dtype=int32)
with tf.Session() as sess:
print(tf.shape(tensor_x)) # tensor_x未賦值, 維度存在None，會報錯
print(tf.shape(input2)) # tensor_x維度不存在None，不會報錯