使用tensorflow.python.framework.graph_util中的tensor_shape_from_node_def_name()方法获取TensorFlow张量的形状

tensor_shape_from_node_def_name()方法是tensorflow.python.framework.graph_util模块中的一个函数，用于从TensorFlow图中获取张量的形状。

使用该方法需要传入一个参数node_def_name，该参数是一个字符串，表示张量的名称。方法会返回一个TensorShape对象，包含张量的形状信息。

下面是一个使用例子：

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

# 创建一个简单的TensorFlow图
a = tf.constant([1, 2, 3], name='a')
b = tf.constant([4, 5, 6], name='b')
c = tf.add(a, b, name='c')

# 将图转化为GraphDef对象
graph_def = tf.get_default_graph().as_graph_def()

# 从GraphDef对象中获取节点的定义
node_def = graph_def.node[2]

# 获取张量c的形状
shape = graph_util.tensor_shape_from_node_def_name(node_def.name)

# 打印张量形状
print('Shape of tensor c:', shape)

以上例子中，我们创建了一个简单的TensorFlow图，包含两个常量张量a和b，以及一个加法操作c。我们首先将图转化为GraphDef对象，然后从图中获取加法操作节点的定义。最后，我们使用tensor_shape_from_node_def_name()方法获取张量c的形状，并打印出来。

需要注意的是，该方法仅适用于已经构建好的TensorFlow图，并且节点的定义必须存在于图中。