张量维度的理解

介绍

参考链接1：
参考链接2：

张量的阶数有时也称维度，或者轴axis。
比如矩阵[[1,2],[3,4]]，是一个二维张量。

• 沿着第0个轴可以看到[1,2],[3,4]两个向量
• 沿着第1个轴可以看到[1,3],[2,4]两个向量。

图示：

一维张量

const1 = tf.constant([1,2,3,4],tf.float16)

二维张量

# 三行四列
const2 = tf.constant([
	[1,2,3,4],
	[5,6,7,8],
	[9,10,11,12]
],tf.float16)

几何表示：

三维张量

# 3行4列深度为2
const3 = tf.constant([
	[[1,2],[3,4],[5,6],[7,8]],
	[[11, 12], [13, 14], [15, 16], [17, 18]],
    [[21, 22], [23, 24], [25, 26], [27, 28]]
],tf.float16)
shape = (3,4,2)

几何表示：

四维张量 （仅用于理解，坐标系已经不再适用）

# 3行4列深度为2
const3 = tf.constant([
	#第一个3行4列深度为2的三维张量
	[[[1,2],[3,4],[5,6],[7,8]],
	[[11, 12], [13, 14], [15, 16], [17, 18]],
    [[21, 22], [23, 24], [25, 26], [27, 28]]],
    #第二个3行4列深度为2的三维张量
    [[[1,2],[3,4],[5,6],[7,8]],
	[[11, 12], [13, 14], [15, 16], [17, 18]],
    [[21, 22], [23, 24], [25, 26], [27, 28]]]
],tf.float16)
shape = (2,3,4,2)

几何表示：

如何判断张量的batch数、行、列、深度

从左边开始数连续[的数量，最多有X个[说明是X维张量。上面的例子就是4维张量。

小结：

shape属性中的元素大于等于3时，可以用3维空间来理解。
shape=(3, 4, 2)时，表示3行4列深度为2的张量
shape=(2, 3, 4, 2)时，表示有2个 3行4列深度为2的张量
shape=(6, 2, 3, 4, 2)时，表示有6个四维张量，这个四维张量又可以表示为2个 3行4列深度为2的张量。

shape中的属性分别与axis=0，axis=1、axis=2、axis=3……对应，以此类推。当维度超过3时，上图几何中的坐标系表示就已经错误了。但是对于理解多维是有帮助的。