與大多數編程語言不同，TensorFlow不將數組的形狀視爲類型的一部分。這樣做的缺點是，如果你犯了一個錯誤並且意外地提供了錯誤形狀的數據，它可能會默默地給出錯誤的答案，例如Slightly different shape converges to wrong number - why?這使調試變得困難。TensorFlow形狀檢查器
TF是否存在形狀檢查器？也就是說，可以分析圖形的功能或程序（如果需要，樣本feed_dict），並在形狀不匹配時發出警報？
Tensorflow確實提供了一個形狀檢查機制，它在技術上是聲明Tensorflow佔位符時應該指定的形狀參數。默認情況下，張量流向形狀爲[無，無]。但是，例如，如果在聲明佔位符時指定了形狀，則每當用戶輸入不正確/衝突形狀的數據時，都會引發形狀錯誤。例如 可以說，我宣佈一個佔位符名爲X並沒有太大指定其外形的參數：
X=tf.placeholder(dtype=tf.float32, shape=[None,256])
現在，這意味着數X的行可以不同，但功能數量將永遠是256，現在如果我錯誤地輸入形狀數據可以說1000行和20個特徵，則會引起形狀誤差。
此外，檢查此鏈接：https://www.tensorflow.org/api_docs/python/tf/placeholder
用途：
print(str(tf.Shape(test_tensor))) # where test_tensor is
whatever your tensor's name is