请求解析Keras中shape与int_shape的区别

嘿，这个问题其实挺常见的，很多刚接触Keras后端的同学都会懵。我给你把这俩函数的区别拆得明明白白的：

1. 返回值类型完全不同 #

这是最核心的差异：

• keras.backend.shape() 返回的是一个符号张量（Symbolic Tensor），它不是具体的数值，而是计算图里的一个节点，只有当模型实际运行（喂入数据）的时候，才会被赋予具体的数值。
• keras.backend.int_shape() 返回的是一个Python元组，里面是整数或者None，直接就能在普通Python代码里使用。

2. 适用场景不一样 #

用K.shape()的场景 #

当你需要在计算图内部动态获取形状的时候，比如写自定义层、自定义损失函数，或者构建依赖动态维度的运算时。

举个例子：

import keras.backend as K
from keras.layers import Layer

class ReshapeLayer(Layer):
    def call(self, inputs):
        # 这里需要动态获取输入的batch维度（运行时才知道具体值）
        batch_size = K.shape(inputs)[0]
        return K.reshape(inputs, (batch_size, 784))

这里用K.shape()拿到的batch_size是一个张量，能被计算图识别，在模型运行时自动填充实际的batch大小。

用K.int_shape()的场景 #

当你需要在计算图外部获取静态形状的时候，比如查看模型层的输出形状、写依赖固定维度的条件判断，或者做一些Python层面的逻辑处理。

还是拿输入张量举例：

from keras.layers import Input
import keras.backend as K

x = Input(shape=(None, 28))
# 获取静态形状元组
input_shape = K.int_shape(x)
print(input_shape)  # 输出 (None, None, 28)

# 可以直接用这个元组做逻辑判断
if input_shape[-1] == 28:
    print("最后一个维度是固定的28")

这个元组里的None表示该维度是动态可变的（比如batch维度、可变长度的序列维度），其他数值是定义时就确定的固定维度。

3. 直观代码对比 #

看一段实际运行的代码，你就能瞬间明白：

import keras.backend as K
from keras.layers import Input

x = Input(shape=(None, 28))

# 查看K.shape()的返回结果
print("K.shape(x)的类型:", type(K.shape(x)))
print("K.shape(x)的内容:", K.shape(x))
# 输出：
# K.shape(x)的类型: <class 'tensorflow.python.framework.ops.Tensor'>
# K.shape(x)的内容: Tensor("Shape:0", shape=(3,), dtype=int32)

# 查看K.int_shape()的返回结果
print("\nK.int_shape(x)的类型:", type(K.int_shape(x)))
print("K.int_shape(x)的内容:", K.int_shape(x))
# 输出：
# K.int_shape(x)的类型: <class 'tuple'>
# K.int_shape(x)的内容: (None, None, 28)

一句话总结 #

• 要在计算图里动态用？选K.shape()；
• 要在Python代码里直接用？选K.int_shape()。

内容的提问来源于stack exchange，提问作者DSKim