关于tensorflow中张量维度—shape参数的理解

本博客记录学习过程，如有错误，烦请大佬指正~

shape参数的个数应为维度数，每一个参数的值代表改维度上的长度：

shape=(4,) 表示此张量是一个1维张量，有4个数据，一维数据有4个数据；
shape=(4,1)表示此张量是一个2维张量，第一个维度长度为4，第二个维度长度为1，二维数组4行1列；
shape=(1,4)表示此张量是一个2维张量，第一个维度长度为1，第二个维度长度为4，二维数组1行2列；

具体例子：

a = tf.constant([[1,2,3,4]])
b = tf.constant([1,2,3,4])
c = tf.constant([[1],[2],[3],[4]])
print(a.shape) #shape=(1,4)
print(b.shape) #shape=(4,)
print(c.shape) #shape=(4,1)

第几个维度的长度，就是左数第几个中括号之间的元素总数量：

# 例：
[[[1,2,3],[4,5,6]]]
# 第一个维度中只有一个元素[[1,2,3][4,5,6]]，所以第一个维度长度为1
# 第二个维度中有两个元素[1,2,3][4,5,6]，所以第二个维度长度为2
# 第三个维度中有三个元素“1,2,3”或“4,5,6”，所以第三个维度长度为3
# 那么它的shape参数就是[1,2,3]

shape=(2,1)与shape=(2,)的区别也很清楚了，shape=(2,1）表示维度为2的张量，shape=(2,)表示维度为1的张量