获取在graph中的tensor形状

在TensorFlow的图（Graph）中，获取张量（tensor）的形状通常通过`tf.shape()`函数完成。这个操作会返回一个one-hot编码的张量，其中每个元素表示原张量对应维度的大小。例如：

# 假设我们有一个名为input_tensor的张量
input_tensor = tf.placeholder(tf.float32, shape=[None, 10, 5])

# 要获取其形状，可以这样做
shape_tensor = tf.shape(input_tensor)

# 运行计算图时，你可以得到具体的形状信息，比如
with tf.Session() as sess:
    tensor_shape = sess.run(shape_tensor, {input_tensor: np.random.rand(3, 10, 5)})
    print("输入张量的形状:", tensor_shape)

这将输出类似 `[3, 10, 5]` 的形状数组，表示该张量是一个3维张量，第一维有3个元素，第二维长度为10，第三维长度为5。