1. 简介
在深度学习中，张量（Tensor）是最基本的数据结构之一，它是高维度数组的扩展。在Keras中，张量是作为核心数据结构来处理的，它是根据数学定义的多维矩阵进行操作的。为了更好地理解和使用张量，在Keras中获取张量的维度大小非常重要。
2. 获取张量维度大小的方法
在Keras中，获取张量的维度大小有多种方法，下面将介绍两种常用的方法。
2.1 使用shape属性
在Keras中，每个张量都具有一个shape属性，可以通过该属性获取张量的维度大小。shape属性返回一个元组，元组中的每个元素表示张量在每个维度上的大小。
为了使用shape属性获取张量的维度大小，首先需要创建一个张量对象。下面是一个创建张量的示例代码：
import tensorflow as tf
import keras.backend as K
# 创建一个张量
tensor = tf.constant([[1, 2, 3], [4, 5, 6]])
# 使用shape属性获取张量的维度大小
shape = K.int_shape(tensor)
print("Tensor shape:", shape)
在上面的示例代码中，首先导入了tensorflow和Keras的后端库（也可以只导入Keras库）。然后使用tf.constant()函数创建了一个常量张量。最后使用K.int_shape()函数获取张量的维度大小，并打印输出。
运行上述代码，输出结果如下：
Tensor shape: (2, 3)
从输出结果可以看出，创建的张量shape属性返回了一个二维元组(2, 3)，表示该张量的维度大小为2行3列。
2.2 使用Keras内置函数
除了使用shape属性外，Keras还提供了一些内置函数，可以方便地获取张量的维度大小。
Keras中常用的获取张量维度大小的内置函数有：K.int_shape()、K.shape()、K.ndim()。这些函数的用法和作用基本相同，只是返回的数据类型略有不同。
下面是一个使用K.int_shape()和K.shape()函数获取张量维度大小的示例代码：
import keras.backend as K
# 使用K.int_shape()获取张量的维度大小
tensor = K.constant([[1, 2, 3], [4, 5, 6]])
shape = K.int_shape(tensor)
print("Int shape:", shape)
# 使用K.shape()获取张量的维度大小
shape = K.shape(tensor)
print("Shape:", shape)
运行上述代码，输出结果如下：
Int shape: (2, 3)
Shape: tf.Tensor([2 3], shape=(2,), dtype=int32)
从输出结果可以看出，使用K.int_shape()获取张量的维度大小返回了一个元组(2, 3)，而使用K.shape()获取张量的维度大小返回了一个Tensor对象，表示该张量的维度大小。