由tf.zeros（n）创建的张量的维数

Question

我对用tf.zeros(n)创建的张量的尺寸感到困惑。例如，如果我写：tf.zeros(6).eval.shape，这将返回我(6, )。这是什么尺寸？这是6行和任意列数的矩阵吗？还是这是6列矩阵，其中包含任意行数？

weights = tf.random_uniform([3, 6], minval=-1, maxval=1, seed=1)-这是3X6矩阵

b=tf.zeros(6).eval-我不确定这是什么尺寸。

为什么我可以像weights+b那样添加两个？如果我理解正确，那么为了添加两者，b必须是3X1维度。

Answer 1

（6，）是将6作为单个元素的元组的python语法。因此，这里的形状是长度为6的一维向量。

Answer 2

为什么我可以添加两个类似#Output: Dict for dataframe: {'Country': ['France', 'France'], 'Club': ['Angers', 'Bastia'], 'Founded': ['1919', '1905']} Dataframe: Country Club Founded 0 France Angers 1919 1 France Bastia 1905 的东西？

运算符weights+b与使用+相同（tf.add()称为<obj>.__add__()或tf.add()），如果您阅读了documentation，说：

  

注意：math.add支持广播。 AddN没有。有关广播here

的更多信息

现在我引用tf.math.add()广播规则（与numpy相同）：

  

在两个数组上操作时，NumPy逐元素比较它们的形状。它从尾随尺寸开始，一直向前发展。何时兼容两个维度

     

  
1. 他们相等，或者
  
2. 其中之一是1
  

因此，您可以添加两个具有不同形状的张量，因为它们的拖尾尺寸相同。如果将tensorflow张量的尺寸更改为weights，则由于尾随尺寸不同，您将获得[3, 5]异常。