深度学习中Python的Shape函数使用方法

深度学习中Python的Shape函数使用方法

Python中shape函数主要用于读取数组维度,通过调用shape可以获得研究数组及其对应行列的维度,输入的参数可以是一个常数,也可以是一个矩阵(Matrix)。但是在深度学习中使用Tensorflow框架中会遇到张量(Tensor)此时Shape函数也可以用于获取张量的维度。以下是简单实例:

  1. 输入参数为一维数组
    一维数组显示的
  2. 输入参数为二维数组
    当维度不一样时,无法显示完全
    3.输入参数为张量(Tensor)
    在深度学习中,会一直使用Tensor这一概念。张量其实更具有普遍性与代表性,传统的标量、向量、矩阵都可以看成是张量的特例。例如标量是0维张量,向量是1维张量,矩阵或者成为二维数组则是2维张量。张量可以拓展至更高维度,对应的shape函数在python中的表示如下所示:
    当然也可以拓展至更高维度
    其中shape[0] 的维度是第一个[]包含的数组个数,shape[1]对应第二[]包含的数组个数。以此类推。
  • 3
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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