1，tf.shape(a)和a.get_shape()比較

   相同點：都可以得到tensor a的尺寸

   不同點：tf.shape()中a 資料的型別可以是tensor, list, array

                 a.get_shape()中a的資料型別只能是tensor,且返回的是一個元組（tuple）

2，例子：

import tensorflow as tf
import numpy as np

x=tf.constant([[1,2,3],[4,5,6]]
y=[[1,2,3],[4,5,6]]
z=np.arange(24).reshape([2,3,4]))

sess=tf.Session()
# tf.shape()
x_shape=tf.shape(x)                    #  x_shape 是一個tensor
y_shape=tf.shape(y)                    #  <tf.Tensor 'Shape_2:0' shape=(2,) dtype=int32>
z_shape=tf.shape(z)                    #  <tf.Tensor 'Shape_5:0' shape=(3,) dtype=int32>
print sess.run(x_shape)              # 結果:[2 3]
print sess.run(y_shape)              # 結果:[2 3]
print sess.run(z_shape)              # 結果:[2 3 4]


#a.get_shape()
x_shape=x.get_shape()  # 返回的是TensorShape([Dimension(2), Dimension(3)]),不能使用 sess.run() 因為返回的不是tensor 或string,而是元組
x_shape=x.get_shape().as_list()  # 可以使用 as_list()得到具體的尺寸，x_shape=[2 3]
y_shape=y.get_shape()  # AttributeError: 'list' object has no attribute 'get_shape'
z_shape=z.get_shape()  # AttributeError: 'numpy.ndarray' object has no attribute 'get_shape'