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