张量流中张量的形状是什么?它代表什么?
我已经读过this,并且我了解到,张量的形状是张量每个维度的元素数量,但是在第一个代码段中:
[[1., 2., 3.], [4., 5., 6.]] # a rank 2 tensor; a matrix with shape [2, 3]
它说形状是2和3,但是在张量的第一维中有3个元素,而不是2个,为什么?
答案 0 :(得分:3)
形状是尺寸的大小。
[[1., 2., 3.], [4., 5., 6.]] # a rank 2 tensor; a matrix with shape [2, 3]
因为它有2行3列。因此,它与元素无关,而与每个维度的大小有关。所以等级是维数,形状是维数。
如果您看下一个示例
[[[1., 2., 3.]], [[7., 8., 9.]]] # a rank 3 tensor with shape [2, 1, 3]
它具有2行,此维度中的1组元素和3列。
此资源可能会帮助https://www.tensorflow.org/versions/r1.1/programmers_guide/dims_types https://www.gsrikar.com/2017/06/what-is-tensor-rank-and-tensor-shape.html