Tensorflow向量维度

生成变量维度

a1=tf.zeros([])
a2=tf.zeros([2])
a3=tf.zeros([2,6])
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    r1,r2,r3=sess.run([a1,a2,a3])
    
print(r1)
print(r2)
print(r3)

# 0.0
# [0. 0.]
# [[0. 0. 0. 0. 0. 0.]
#  [0. 0. 0. 0. 0. 0.]]

矩阵乘法matmul维度

b1=tf.constant([1, 2, 3, 4, 5, 6], shape=[2, 3])
b2=tf.constant([7, 8, 9], shape=[3, 1])
b3 = tf.matmul(b1, b2)   #b1的第二个维度 必须和 b2的第一个维度 相同
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(b3))

# [[ 50]
#  [122]]

矩阵&向量add维度

c1=tf.constant([[2,3],[1,1]])
c2=tf.constant([1,8])
c3=tf.add(c1,c2)   #c1的第一个维度 可以和 c2的第一个维度 不同
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(c3))

# [[ 3 11]
#  [ 2  9]]

c1=tf.constant([[2],[1]])
c2=tf.constant([1,8])
c3=tf.add(c1,c2)   #c1的两个维度 都可以和 c2的两个维度 不同
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(c3))

# [[ 3 10]
#  [ 2  9]]