多维矩阵的理解

1.矩阵的定义：一个m*n的矩阵是由m行n列元素排列形成的矩阵阵列,1*n矩阵称为矩阵的行向量，m*1矩阵称为矩阵的列向量

2.shape()函数简单介绍

shape(2,)这里的2指的是矩阵一维的长度

shape(2,3)这里的2指的是矩阵一维的长度为2，二维的长度为3

shape(1,3,4)这里矩阵的一维长度为1，二维长度为3，三维长度为4

............

 

2.多维矩阵:(以机器学习中要理解的shape()为例)

1.二维矩阵:shape(2,3)

这是一个两行三列的二维矩阵

[[-0.15317513 -0.11235725 -0.11141305]
 [-0.08667754  0.0667215  -0.14611584]]

2.三维矩阵：

为了加深理解，对比学习，举三个例子

<tf.Variable 'Variable:0' shape=(2, 3, 1) dtype=float32_ref>
[[[-0.0248282 ]
  [-0.0386901 ]
  [ 0.14197029]]

 [[-0.01333892]
  [-0.0897816 ]
  [-0.11507757]]]

<