关于tensorflow中张量维度—Shape参数的理解

初学tensorflow,大佬勿喷
在编写神经网络手写数字识别时,打印权重矩阵的维度

print(wih.shape)
# 得到 (100,784)

这里我的理解是,100行,784列的矩阵,感觉没什么问题。

然后学习tensorflow张量的时候,编写了如下代码

a = tf.constant([1.0,2.0],name="a")
b = tf.constant([2.0,3.0],name="b")
result = tf.add(a,b,name="add")
print(result)
# Tensor("add:0",shape=(2,),dtype=float32)

这里我就困惑了,a + b 的结果应该是1行2列才对吧…
在我理解中应该是 shape=(1,2)
翻阅书本后,对于张量有如下说明:

张量的第二个属性是张量的维度(shape)。这个属性描述了一个张量的维度信息。
比如上面样例中shape=(2,)说明了张量result是一个一维数组,这个数组的长度是2。

这样我就理解了,张量的维度shape的参数,不是矩阵那种行列式的写法
shape参数的个数应为维度数,每一个参数的值代表该维度上的长度

shape=(100,784)	
代表该张量有两个维度,第一个维度长度为100,第二个维度长度为784,二维数组100行784列
shape=(2,) 
代表该张量有一个维度,第一个维度长度为2,一维数组1行2列

第几个维度的长度,就是左数第几个中括号组之间的元素总数量

# 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]
  • 48
    点赞
  • 76
    收藏
    觉得还不错? 一键收藏
  • 10
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 10
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值