张量的shape

torch.randint返回一个张量，从标准正态分布随机抽取一组数。
如下图是用torch.randint产生张量，利用shape属性访问各个维度的维数

1、一维张量

2、二维张量

如图是一个3*4的二维数组，x.shape[0]表示行数，x.shape[1]表示列数

3、三维张量

x是一个234 的三维数组，包含2个3*4的二维数组 ，x.shape[0]代表包含二维数组的个数，x.shape[1]表示二维数组的行数，x.shape[2]表示二维数组的列数。

4、总结

[a,b…c]中有N个数，也就是N维数组。表示a个N-1维数组，每个N-1维数组中农有b个N-2个数组…一维数组上有c个数，层层递减，分别对应shape[0],shape[1]…shape[N]，也即是每个维度上的大小。
图上看的话，几个中括号就是几维，大维包小维，也就是对应层层拆。

张量就是多维数组，矩阵只是二维数组，没有多维矩阵，因为矩阵只有两个轴，别记混了。
附录

如上，是个四维矩阵，从最左边数，有4个[。从最低维开始看，也就是只有一个括号[]的，比如

这里面有两个数，那么对应最后一个2，也就是shape[3]，也就是一维里面有2个数。
然后再往上数一维，有两个[[ ]]，对应倒数第二个2，也就是shape[2]，也就是二维里面有两行，这里是行计数了（也就是一维了）。


同理，三维表示有三个[[[ ]]]，然后可以看出是三个二维，也就是对应的shape[1]的3。
四维找[[[[ ]]]]，可以看出整个中有2个三维，对应shape[0]的2。
参考：https://blog.csdn.net/liuweiyuxiang/article/details/79384435
https://blog.csdn.net/Hningning/article/details/102962402
https://blog.csdn.net/weixin_43050017/article/details/108089406