使用tensorflow.python.framework.graph_util模块中的tensor_shape_from_node_def_name()函数获取张量形状

在TensorFlow中，可以使用tensorflow.python.framework.graph_util模块中的tensor_shape_from_node_def_name()函数来获取张量的形状。此函数的定义如下：

def tensor_shape_from_node_def_name(graph, node_def_name):
  """Returns the shape of a tensor specified by the node_def_name in graph.

  Args:
    graph: The TensorFlow Graph object.
    node_def_name: The name of the NodeDef to fetch shape.

  Returns:
    A TensorShape representing the shape of the tensor.

  Raises:
    ValueError: If the tensor shape is not fully defined.
  """

这个函数可以取出图中给定节点的张量形状，并返回一个TensorShape对象。如果张量形状不完全定义，则会引发ValueError异常。

下面是一个使用例子，展示如何使用tensor_shape_from_node_def_name()函数获取张量的形状：

import tensorflow as tf
from tensorflow.python.framework import graph_util

# 创建一个简单的图
graph = tf.Graph()
with graph.as_default():
  a = tf.constant([1, 2, 3], name='input')
  b = tf.constant([4, 5, 6], name='input')
  c = tf.add(a, b, name='output')

# 获取张量形状
with tf.Session(graph=graph) as sess:
  # 将图导出为GraphDef格式
  graph_def = graph.as_graph_def()

  # 获取节点的张量形状
  shape = graph_util.tensor_shape_from_node_def_name(graph_def, 'output')

  print("张量形状：{}".format(shape))

在上述例子中，我们首先创建了一个简单的图，其中包含两个输入节点（input）和一个输出节点（output）。然后，我们使用tensor_shape_from_node_def_name()函数来获取输出节点（output）的张量形状。最后，我们将结果打印出来。

请注意，这个函数需要传入一个Graph对象和节点的名称（node_def_name），所以我们先将图导出为GraphDef格式，然后再调用函数来获取张量形状。

希望以上例子可以帮助你使用tensorflow.python.framework.graph_util模块中的tensor_shape_from_node_def_name()函数来获取张量的形状。