Question

稀疏tensor.shape方法返回一个张量对象，它似乎没有用来提取稀疏张量的实际形状而不需要求助于运行函数。

为了澄清我的意思，首先考虑稀疏张量：

a = tf.SparseTensor（indices = [[0,0,0]，[1,2,1]]，values = [1.0 + 2j，2.0]，shape = [3,4,2]）< / p>

a.shape返回：

tf.Tensor'SparseTensor_1 / shape：0'shape =（3，）dtype = int64

这没用。

现在，考虑一个密集的张量：

a = tf.constant（np.random.normal（0.0,1.0，（4,4））。astype（dtype = np.complex128））

a.get_shape（）返回： TensorShape（[Dimension（4），Dimension（4）]）

我可以使用此输出并将其转换为整数列表或元组，而无需调用run（）。但是，我不能对稀疏张量做同样的事情，除非我先将稀疏张量转换为密集（这对于复杂的稀疏张量尚未实现）然后调用它的get_shape（）方法，但这有点多余，挫败了目的如果输入稀疏张量很复杂，那么首先使用稀疏张量并导致误差。

有没有办法在不调用run（）或将其转换为密集张量的情况下获得稀疏张量的形状？

Answer 1

tf.SparseTensor实施为引擎盖下的三重密集张量。 SparseTensor的shape只是一个Tensor;如果你想知道它的价值，最好的办法就是用session.run评估它：

print(sess.run(a.shape))

一般来说，Tensorflow不承诺即使对于图形构建时的密集张量也能计算出精确的形状;形状是尽力而为，甚至可能没有固定的价值。因此，即使对于密集的Tensor，您也可能需要使用run来评估Tensor以获得精确的形状。