TensorFlow中同一张量为何输出两种不同形状？shape=(3,1)与shape=(2,)疑问

嘿，这事儿其实是你把两个不同的概念搞混啦，咱们一步步拆解明白：

首先看你直接打印tensor的输出：

Tensor("Const_0:0", shape=(3, 1), dtype=float32)

这里的shape=(3,1)是这个张量的静态形状（static shape）——简单说就是你定义它时就固定好的形状，是TensorFlow在构建计算图阶段就能确定的信息，用来做图内的形状校验和优化。你定义的是3行1列的二维张量，所以静态形状自然是(3,1)。

再看tf.shape(tensor)的输出：

Tensor("Shape_0:0", shape=(2,), dtype=int32)

这里的shape=(2,)可不是原张量的形状哦！tf.shape()是一个运行时操作，它的作用是动态计算输入张量的形状，并且会返回一个新的一维张量。这个新张量的元素个数，正好等于原张量的维度数——你的原张量是二维的，所以返回的形状张量就有2个元素（对应原张量的两个维度大小3和1），因此这个返回张量自身的形状就是(2,)。

要是你想看到tf.shape(tensor)的实际值，得运行它才行：比如在TensorFlow 1.x里用tf.Session().run(tf.shape(tensor))，或者TF2.x里直接打印tf.shape(tensor).numpy()，跑出来你会得到[3,1]，这和原张量的静态形状完全一致~

简单总结：

• 直接打印张量显示的是它的静态形状，描述这个张量的数据维度
• tf.shape()返回的是一个新张量，它的形状表示原张量的维度数量，而它的实际值才是原张量各维度的大小

内容的提问来源于stack exchange，提问作者Lin Ma