张量流中张量的形状是什么？它代表什么？
我读过this，我理解的是张量的形状是张量的每个维度的元素数，但在第一个代码片段中：
[[1., 2., 3.], [4., 5., 6.]] # a rank 2 tensor; a matrix with shape [2, 3]
它说形状是2和3，但在张量的第一维有三个元素，而不是2，为什么？
形状是尺寸的大小 .
因为它有2行3列 . 所以它不是元素，而是每个维度的大小 . 因此，rank是维度的数量，而shape是维度的大小 .
如果你看下一个例子
[[[1., 2., 3.]], [[7., 8., 9.]]] # a rank 3 tensor with shape [2, 1, 3]
它有2行，此维度中包含1组元素，以及3列 .
此资源可能会有所帮助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
1 回答
形状是尺寸的大小 .
因为它有2行3列 . 所以它不是元素，而是每个维度的大小 . 因此，rank是维度的数量，而shape是维度的大小 .
如果你看下一个例子
它有2行，此维度中包含1组元素，以及3列 .
此资源可能会有所帮助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