版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/pku_langzi/article/details/81232688
TensorFlow中张量的两种形状：一种是静态形状，另一种是动态形状。
静态维度是指当你在创建一个张量或者由操作推导出一个张量时，这个张量的维度是确定的。它是一个元祖或者列表。
注意：静态形状是非常有用的，特别是当你调试的时候，你可以使用 print 函数将张量形状进行打印，从而判断自己的设
计是否正确。
当你在运行你的图时，动态形状才是真正用到的。这种形状是一种描述原始张量在执行过程中的一种张量。
注意：当你要处理一些动态维度时，那么使用动态形状是非常方便的。
用tensorflow LSTM的时候，报如下错：
File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/ops/rnn.py", line 684, in _dynamic_rnn_loop
"Input size (depth of inputs) must be accessible via shape inference,"
ValueError: Input size (depth of inputs) must be accessible via shape inference, but saw value None.输入进LSTM的tensor形状应该是[batch_size, time_step, input_dim]，这个错应该是对于input_dim无法通过通过tensor的
形状来获得其大小，（depth of input应该指的是input_dim），TensorFlow去猜测不同张量的形状（在不同操作之间），
但是它不会总是能够做到这一点，即通过get_shape.as_list()得到None值。
参考文章：