理解Tensorflow的shape

Tensorflow中的shape应该怎么理解，怎么记住呢？

    x = tf.placeholder(tf.float32, shape=[1,2,3] )

以上面这段代码为例为例。
首先，单看[1,2,3]，这是1维的，但它作为shape时，代表要传入的数据必须是个3维的，这点首先要明白，自己理解一下。

Tensorflow和numpy一样，读shape时应该从外向内读。

先举个例子：
[[1,2,3] , [4,5,6]]
和
[[1,2,3],
[4,5,6]]
是一样的，都是2行3列（shape=[2,3]）。应该怎么记呢？
这个矩阵，先拿掉最外层中括号，变成[1,2,3], [4,5,6]，[1,2,3]和 [4,5,6]被逗号隔开成2块，理解为有2个元素，每个元素（如[1,2,3]）拿掉中括号后，剩下1、2和3被逗号隔开，理解为有3个元素，所以是shape=[2,3]。

再换个例子，如果shape=[1,1,1]，那它会接收什么样的数据？我们根据规则，第1个数字为“1”表示最外层的元素个数只有1个。
[a]
第二层的数字为“1”表示拿掉一次括号后，剩下的仍然只有1个元素.
[ [a] ]
相应的，第3个“1”表示再拿掉一次括号后还是只剩1个元素
[[ [a] ]]就是结果。

shape = [1,1,2]表示数据应该是这样的：[[[a,b]]]。

回到最开始，x应该输入的是[[[a,b,c],[d,e,f]]]这样格式的。