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:
- 输入参数为一维数组
- 输入参数为二维数组
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:
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。