TensorFlow中TensorShape的to_list()函数作用及比较疑问

我看到某次提交里在断言中用to_list()把TensorShape对象转成列表，原因是断言右侧是列表。但自己复现代码时，不用to_list()的断言也没报错，对此我存在疑惑。

复现代码 #

import tensorflow as tf

x = tf.constant([[1, 2, 3], [4, 5, 6]])
xt = tf.transpose(x)

assert xt.shape == [3, 2], "Assertion failed" # 该断言未失败
print("Received the expected shape")

assert xt.shape.to_list() == [3, 2], "Assertion failed"
print("Received the expected shape")

我原本认为第一个断言应该失败，因为xt.shape是TensorShape对象（通过isinstance(xt.shape, tf.TensorShape)验证返回True），但实际却通过了。

对比测试 #

为了探究原因，我做了Python原生元组与列表的对比：

a_list = [3, 2]
a_tuple = (3, 2)

assert a_list == a_tuple, "Assertion failed" # 该断言失败

核心疑问 #

1. 同样使用==运算符，为什么TensorShape和列表比较会返回True，而Python原生元组和列表比较却返回False？
2. to_list()函数有哪些更合适的使用场景？看起来直接将TensorShape与列表或元组比较即可，这个函数是不是多余的？

问题解答 #

1. 为什么TensorShape和列表比较不报错？

TensorShape类重载了__eq__运算符，它在比较时不会严格检查类型，而是会将对方（列表/元组）转换为内部的形状表示，只比较形状的数值是否一致。而Python原生的元组和列表是不同的内置类型，==运算符会直接检查类型是否匹配，类型不同则返回False。

2. to_list()的实用场景

这个函数并不是多余的，以下场景更适合使用它：

• 处理动态形状：如果TensorShape包含未知维度（比如tf.TensorShape([None, 2])），调用to_list()会将未知维度转为None，得到标准的Python列表，方便后续做遍历、判断等操作；而TensorShape对象本身是不可变的，无法直接修改。
• 需要严格列表类型：当你需要将形状传给只接受列表参数的函数，或者要执行列表特有的操作（比如append、insert）时，必须用to_list()转换为Python列表对象。
• 兼容性与可读性：在部分旧版本TensorFlow中，TensorShape与列表的比较可能存在兼容性问题；同时明确调用to_list()能让代码意图更清晰，其他开发者一眼就能看出你需要的是形状的列表形式，而非TensorShape对象本身。

内容的提问来源于stack exchange，提问作者akalanka