Question

为了清楚地理解张量流中的张量，我需要清楚地理解张量的形状是如何定义的。

这些是tensorflow文档中的一些示例：

3 # a rank 0 tensor; this is a scalar with shape [] [1. ,2., 3.] # a rank 1 tensor; this is a vector with shape [3] [[1., 2., 3.], [4., 5., 6.]] # a rank 2 tensor; a matrix with shape [2, 3] [[[1., 2., 3.]], [[7., 8., 9.]]] # a rank 3 tensor with shape [2, 1, 3]

以下对我的理解是否正确：

为了找到张量的形状，我们从最外面的列表开始，并计算内部的元素（或列表）的数量。这个计数是第一个维度。然后，我们对内部列表重复此过程，并找到张量的下一个维度。

如果我错了，请纠正我。

Answer 1

是的，您的理解是正确的。如果您有一个有效的张量，您的算法将返回张量的正确尺寸。您可以通过以下方式在python中编写它

def get_shape(arr):
    res = []
    while isinstance((arr), list):
        res.append(len(arr))
        arr = arr[0]
    return res

请注意，如果是arr的任意值，您还需要确保尺寸匹配（[[1, 2, 3], [4, 5]]不是有效的张量）

如何计算张量流中张量的形状

1 个答案: