张量流中的张量形状

Question

张量流中张量的形状是什么？代表什么？

我读过 this 我的理解是张量的形状是张量每个维度的元素数量，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] 

上面写着形状是2和3，但是张量的第一维是3个元素，不是2，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。所以它不是关于元素而是每个维度的大小。所以rank是维数，shape是维的大小。

如果你看下一个例子

[[[1., 2., 3.]], [[7., 8., 9.]]] # a rank 3 tensor with shape [2, 1, 3]

该维度有 2 行、1 组元素和 3 列。

此资源可能有帮助 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