Question

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？

Answer 1

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。