TensorFlow报错TypeError：如何将Tensor转为int用于tf.get_variable？

我明白你遇到的问题了——你想用tf.get_variable来创建变量，但用tf.shape()获取的Tensor没办法直接作为shape参数传入，触发了TypeError: int() argument must be a string, a bytes-like object or a number, not 'Tensor'。这其实是个很典型的TensorFlow图构建阶段和运行阶段的概念混淆问题，我来给你拆解解决方案：

核心原因 #

tf.shape()返回的是一个Tensor对象，它的值要到图运行时（也就是session.run()的时候）才会确定。但tf.get_variable的shape参数要求的是Python整数或者整数组成的列表，因为变量的形状必须在图构建阶段就固定下来，不能是动态的Tensor。

解决方案分两种情况 #

情况1：输入张量的形状是静态已知的（比如示例里的常量张量） #

如果你的输入张量在构建图的时候形状就已经确定了（比如用tf.constant创建的张量，或者形状固定的占位符），直接用.get_shape().as_list()来获取静态形状，它会返回Python整数组成的列表：

import tensorflow as tf
import numpy as np

data = np.random.randint(0, 10, [2, 4, 300])
tensor_va = tf.constant(data)
# 获取静态形状并转为Python整数
d = tensor_va.get_shape().as_list()[1]
# 现在d是Python整数4，可以直接传入shape参数
W_omega = tf.get_variable(
    name='a_omega',
    shape=[d, d],
    dtype=tf.float32,
    initializer=tf.random_uniform_initializer(-0.01, 0.01)
)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(W_omega))

这里get_shape()返回的是TensorShape对象，as_list()方法会把它转换成Python整数列表，完美适配tf.get_variable的shape要求。

情况2：输入张量的形状是动态的（运行时才确定） #

如果你的输入是动态形状（比如形状包含None的占位符，接收不同长度的输入），那变量的形状没办法在图构建阶段固定，这时候可以用validate_shape=False来创建变量，然后在运行时动态赋值对应形状的Tensor：

import tensorflow as tf
import numpy as np

# 动态占位符，序列长度是未知的（None）
input_placeholder = tf.placeholder(tf.int32, shape=[None, None, 300])
# 获取动态序列长度
seq_len = tf.shape(input_placeholder)[1]

# 创建变量时不指定固定形状，关闭形状验证
W_omega = tf.get_variable(
    name='w_omega',
    shape=None,
    dtype=tf.float32,
    initializer=tf.random_uniform_initializer(-0.01, 0.01),
    validate_shape=False
)
# 运行时动态赋值对应形状的权重矩阵
assign_weight = tf.assign(W_omega, tf.random_uniform([seq_len, seq_len], -0.01, 0.01))

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    # 传入动态数据，执行权重赋值
    test_data = np.random.randint(0, 10, [2, 5, 300])
    sess.run(assign_weight, feed_dict={input_placeholder: test_data})
    # 查看最终的权重矩阵
    print(sess.run(W_omega, feed_dict={input_placeholder: test_data}))

⚠️ 注意：这种方式下变量的形状在第一次赋值后就固定了，如果后续传入不同长度的输入，会触发形状不匹配的错误。如果需要适配多种动态形状，可能需要考虑每次重新创建变量，或者改用不需要固定形状的动态计算方式（比如直接用Tensor运算，不把权重存为变量）。

内容的提问来源于stack exchange，提问作者Aaditya Ura