python- numpy中的shape的理解

import os
import re
import sys
import numpy as np
import pprint
from tensorflow.keras.layers import *

def concat_v1():
    list1=[1,2,3,4]
    list2=[11,12,13,14,15,16,17,18]
    list99=[[1,2,3],[4,5,6]]
    x1=np.array(list1)
    x2=np.array(list2)
    x99=np.array(list99)
    print("-----------------------")
    print(x1.shape)
    #(4,)
    print(x2.shape)
    #(8,)
    print(x99.shape)
    #(2,3)
if __name__ == '__main__':
    concat_v1()

shape的总结：

1）当是 2维的时候，则x.shape() =(a,b) ，a 表示 行数，b表示列数

2）当时1维的时候，则x.shape()=(a,)，a 表示 这一维度的个数