怎么理解tensorflow中的张量以及shape，维度

最新推荐文章于 2024-07-19 07:30:00 发布
最新推荐文章于 2024-07-19 07:30:00 发布
阅读量1.8k 收藏 3
点赞数 5
分类专栏： Machine Learning 文章标签： 深度学习 tensorflow 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43742062/article/details/104286663
版权

tensor怎么理解

  • tensor可以理解成一种容器 / 数据结构，它可以存放数据并且以此代表信息。tensor也可以理解成多维数组，当维度为0,1,2…时依次为标量，向量，矩阵等等。

tensor中维度的理解，或者说shape的理解

  • shape参数的个数应为维度数，每一个参数的值代表该维度上的长度，例如：shape=（1,2,4）表示有3维，一维长度1，二维长度2，三维长度4
  • 维度的长度，就是左数第几个中括号组之间的元素总数量。
  • 对于（[2,28,28,3]）这样的tensor可以在CNN中理解成2章28*28像素的彩色图片（通道为3）。
linrongchen
关注
  • 5
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Tensorflow2.* Keras 视频5维输入 shape调整 tf.reshape()
Forrest97的博客
06-20 1492
视频输入问题 传统的图像网络的输入数据格式input_shape =（batch, h, w, c），但对于视频输入（batch, number_frames, h, w, c）。我们在keras建模的时候batch_size默认为input_shape[0]，无法改变，同时keras.layers.Conv2d等层操作也是按照4维张量处理输入输入。 解决方案一：维度切片堆叠（不推荐） 在模型搭建的过程中，在number_frames维度进行堆叠，即在喂给keras.layers.Conv2d前将数据按nu
tensorflow之张量
weixin_44008782的博客
03-20 1959
1.基础知识 张量时具有统一类型(称为dtype)的多维数组。 张量与np.arrays有一定的相似性。 就像python的数值和字符串一样，所有的张量都是不可变的：永远无法更新张量的内容，只能创建新的张量。 标量(0秩张量)：标量包含单个值，但没有轴。 向量(1秩张量)：像一个值列表，向量有1个轴。 矩阵(2秩张量)：有两个轴。 ...
关于tensorflow中张量维度—shape参数的理解
lzz555517的博客
09-17 2119
本博客记录学习过程，如有错误，烦请大佬指正~ shape参数的个数应为维度数，每一个参数的值代表改维度上的长度： shape=(4,) 表示此张量是一个1维张量，有4个数据，一维数据有4个数据； shape=(4,1)表示此张量是一个2维张量，第一个维度长度为4，第二个维度长度为1，二维数组4行1列； shape=(1,4)表示此张量是一个2维张量，第一个维度长度为1，第二个维度长度为4，二维数组1行2列； 具体例子： a = tf.constant([[1,2,3,4]]) b = tf.constan
PyTorch张量形状
最新发布
逐梦苍穹的博客
07-19 824
PyTorch张量形状reshape, transpose, permute, view, contigous, squeeze, unsqueeze
[TensorFlow笔记] 获取Tensor的维度（tf.shape(x)、x.shape和x.get_shape()的区别）
热门推荐
藏知阁
02-07 5万+
import tensorflow as tf input = tf.constant([[0,1,2],[3,4,5]]) print(type(input.shape)) print(type(input.get_shape())) print(type(tf.shape(input))) Out: <class 'tensorflow.python.framework.ten...
Tensorflow之维度理解[ shape、reshape]
qq_38293297的博客
04-11 1512
文章目录一、shape与reshape1. shape2. reshape二、Tensor理解1. 一维张量2. 二维张量3. 三维张量4. 超过三维的多维张量三、API理解1. 关于reduce_xxx的维度问题tf.reduce_mean参考 一、shape与reshape 1. shape 举个例子来说： import tensorflow as tf a = tf.constant([[...
给小白入门看：tensorflow输入维度
qq_43309133的博客
08-31 1962
输入全连接层，一定要把tensor调整为二维的，比如[None, 512]. 输入LSTM之前，要把维度调整为三维的，比如[None, 20,60]，None是batch_size随意的意思，20代表循环输入20个时间戳，60代表每个时间戳有60个特征属性。 ...
TensorFlow中如何确定张量的形状实例
09-16
### 如何在TensorFlow中确定张量的...通过以上介绍，我们可以看到TensorFlow提供了多种方式来处理张量的形状，包括获取形状、根据形状重塑张量以及获取张量的元素个数等。这些操作对于构建和优化深度学习模型至关重要。
Tensorflow获取张量Tensor的具体维数实例
09-18
在TensorFlow中，张量（Tensor）是数据的...通过`.shape`和`.get_shape()`，以及`Dimension.value`和`TensorShape.as_list()`，我们可以轻松地获取和处理张量的形状信息，从而确保模型的输入和输出满足正确的维度要求。
浅谈tensorflow中张量的提取值和赋值
09-18
通过这些函数，我们可以精确地操控TensorFlow张量中的数据，这对于构建复杂的计算流程、实现神经网络层的自定义逻辑以及调试模型都是至关重要的。理解并熟练掌握张量的提取值和赋值操作，能帮助开发者更有效地设计和...
关于tensor的shape理解
SixSheep_的博客
01-15 1万+
关于tensor的shape和dimension 刚把mnist又过了一遍，突然感觉对tensor的shape有了新的理解，虽然很基础，还是想分享一下 关于tensor的维度，也就是阶啦，从认知上理解，一维就是线（数组或者向量），二维就是面（矩阵），三维就是体（数据体），四维是数据阵列 等等等等；新的理解是在表现方式上的，也就是打印出的样子，例如： [ [1,1,1] [1,1,1] ] 显然...
shape=(1) OR shape=()
liugan528的博客
11-11 693
TensorFlow中标量和数组的区别： import tensorflow as tf a = tf.get_variable('a',shape=(1),dtype=tf.int32,initializer=tf.constant_initializer(0),trainable=False) b = tf.get_variable('b',shape=(1,),dtype=tf.int32,initializer=tf.constant_initializer(0),trainable=False)
Python numpy函数：shape用法(简单样本及样本对应变量场景)
weixin_42196373的博客
07-23 1629
Python numpy函数：shape用法(简单样本及样本对应变量场景) data = np.array([[1,2,3],[4,5,6]]) a = data.shape[0] #获取data样本数 对应行 b = data.shape[1] #获取data样本中的维度 对应列 print(a,b) a = 2 b = 3
python数据分析基础知识—shape()函数的使用
sodaloveer的博客
06-16 2万+
python数据分析 shape()函数
图解TensorFlow中Tensor的shape概念与tf op: tf.reshape
田海立@CSDN
10-18 3487
《图解NCHW与NHWC数据格式》中从逻辑表达和物理存储角度用图的方式讲述了NHWC与NCHW两种数据格式，数据shape是可以改变的，本文介绍TensorFlow里Tensor的Shape概念，并用图示和程序阐述了reshape运算。
Python里对于shape()的理解
weixin_45769849的博客
02-18 1万+
Python里对于shape()的理解 （1）shape（）含义 在笔者debug深度学习相关代码的时候，很容易出现shape()这样形式的东西，用来告知输出数据的形式，由于shape（）里出现的数字数量不同，还经常有shape（？，64，512）这样的数据存在，因此上网查了一些信息，作出比较通俗易懂的解释： import numpy as np a = np.array([[[1,2,3],[4,5,6]]]) print(a.shape) (1, 2, 3) 表示该数组有1个，是2行3列的数组。每一
python_numpy中，shape=(1,4)和(4,)的区别
wander_ing的博客
04-26 3059
  按照惯性思维，似乎两个形状指的都是1行4列，哪里有什么不一样嘛，怀疑我的高数吗，没下过100分呢。   尽管嘴上说这不可能，心里还是不服气，还是要试一下吧(-) import numpy as np arr1=np.arange(4).reshape(4,) arr2=np.arange(4).reshape(1,4) print('arr1:\n',arr1) print('arr2:\n'...
shape=(2,) (2,1) (1,2) 的区别
weixin_30820077的博客
06-27 3399
1. 一般的数组如：[22，33] shape是（2，）：他表示他是一个一维数组，数组中有两个元素； 注意他和shape（2，1）的区别，他两个不一样。 2. [[22],[33]] 他的shape是(2,1),表示二维数组，每行有一个元素 3. [[22,33]] shape是（1，2） 他表示一个二维数组，每行有两个元素 转载于:https://www.cnblogs.com/Bell...
TensorFlow中的Shape如何理解
JMU_Ma的博客
03-31 4332
TensorFlow中的Shape如何理解 一、前言 二、如何理解 三、总结 一、前言 ​ 初学TensorFlow时，无法理解其中的Shape是什么意思。笔者查找一些资料后理解了Shape的含义。 二、如何理解 import tensorflow as tf tf.enable_eager_execution() a = tf.constant(1) b = tf.constant(1) c ...
TensorFlow中张量详解：创建与操作
在TensorFlow中，张量（Tensor）是其核心概念，它是一种多维数组，用于表示数据在计算图中的流动。Tensorflow的张量支持各种数据类型，如`tf.int`、`tf.float`、`tf.bool`和`tf.string`，这使得它可以处理不同类型的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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