TensorFlow 2.8中如何正确获取稀疏张量SparseTensor的形状

• 你代码中的A_train是tf.SparseTensor（稀疏张量）类型，它的dense_shape属性本身是一个1维张量，存储的是稀疏张量映射到稠密空间时各维度的长度，并不是Python原生的整数列表/数值。
• 你用的两种打印方式拿不到预期值的原因很明确：
  • 直接调用print(A_train.dense_shape[0])：打印的是0维张量对象本身，输出格式类似tf.Tensor(943, shape=(), dtype=int64)，不会直接返回可复用的Python整数。
  • 调用tf.print(A_train.dense_shape[0])：这个方法确实能在控制台输出具体的维度数值，但它没有返回值，你不能把打印出的结果直接作为参数传入形状定义逻辑。
• 你看到的代码里A_train.dense_shape[0]的取值，就是构造A_train稀疏张量时传入的稠密形状参数的第一个值，对应评分矩阵的总行数，也就是用户总数量，这个写法本身在TensorFlow的变量初始化逻辑里是合法的——TF内部会自动解析张量类型的形状参数，不需要手动转成原生整数，所以示例代码可以正常运行。

根据使用场景选对应方式即可：

1. 动态图模式下打印、复用维度值
   直接对维度张量调用.numpy()方法，把张量值转成Python原生数值即可，不需要调用session.run：

   # 获取用户总数，转成Python int类型
   user_count = int(A_train.dense_shape[0].numpy())
   print("用户总数：", user_count)
   # 后续可以直接把user_count作为形状参数传入初始化逻辑
   U = tf.Variable(tf.random.normal(
       [user_count, embedding_dim], stddev=init_stddev))
   

2. 在tf.function装饰的静态图代码块中取值
   静态图模式下不能直接调用.numpy()，可以用tf.get_static_value获取静态可推导的数值，建议最好在进入tf.function之前就把维度值取好作为Python参数传入，避免静态图推导问题：

   # 静态图内获取静态值
   user_count = int(tf.get_static_value(A_train.dense_shape[0]))
   

补充说明：你看到的示例代码用了tf.random_normal是TF1.x的旧API，TF2.8+中推荐用等价的tf.random.normal，功能完全一致。

内容的提问来源于stack exchange，提问作者sakeesh