获取Tensor的维度（x.shape和x.get_shape()的区别）

tf.shape(a)和a.get_shape()比较 
相同点：都可以得到tensor a的尺寸 
不同点：tf.shape()中a 数据的类型可以是tensor, list, array 
a.get_shape()中a的数据类型只能是tensor,且返回的是一个元组（tuple）

import tensorflow as tf  
import numpy as np  

x=tf.constant([[1,2,3],[4,5,6]])
y=[[1,2,3],[4,5,6]]  
z=np.arange(24).reshape([2,3,4])

sess=tf.Session()  
# tf.shape()  
x_shape=tf.shape(x)                    #  x_shape 是一个tensor  
y_shape=tf.shape(y)                    #  <tf.Tensor 'Shape_2:0' shape=(2,) dtype=int32>  
z_shape=tf.shape(z)                    #  <tf.Tensor 'Shape_5:0' shape=(3,) dtype=int32>  
print(sess.run(x_shape))              # 结果:[2 3]
print(sess.run(y_shape))              # 结果:[2 3]
print(sess.run(z_shape) )             # 结果:[2 3 4]

x_shape=x.get_shape()  
print(x_shape)       # 返回的是TensorShape([Dimension(2), Dimension(3)]),不能使用 sess.run() 因为返回的不是tensor 或string,而是元组                                                       (2, 3)
x_shape=x.get_shape().as_list()  
print(x_shape)  # 可以使用 as_list()得到具体的尺寸，x_shape=[2 3]  这是重点 返回列表方便参加其他代码的运算
# y_shape=y.get_shape()  
print(x_shape)#  AttributeError: 'list' object has no attribute 'get_shape'
# z_shape=z.get_shape()  
print(x_shape)#  AttributeError: 'numpy.ndarray' object has no attribute 'get_shape'  或者a.shape.as_list()