张量流中张量的_keras_shape和_shape有什么区别？

Question

在张量流中，我发现张量具有两个变量：_shape和_keras_shape。下图是一个示例：

K.int_shape()将返回_keras_shape。

_shape和_keras_shape有什么区别？

Answer 1

上面的图片中已经提到了区别。请参阅输出类型。一个是tuple，而另一个输出是TensorShape类型。 例如：

import tensorflow as tf
a = tf.placeholder(tf.float32, [None, 128])
a.shape
# output: TensorShape([Dimension(None), Dimension(128)])

from keras import backend as K
print(K.int_shape(a))
# output: (None, 128)

tf.keras.backend.int_shape将张量或变量的形状作为tuple的int或None条目返回，而_shape的类型为TensorShape。

进一步了解here中的tf.keras.backend.int_shape和here中的TensorShape。

Answer 2

keras层将计算张量的形状，但不会计算张量流。这样，_keras_shape是由自定义图层计算出的形状。