Tensorflow中张量（Tensor）打印信息中shape字段的理解方式

2022年12月23日12:27:11

关于一个张量的shape的理解，可以参考《tensorflow中张量维度—Shape参数理解》这篇博文，该博文讲的已经比较全面。
我在这里补充一下：

  1. 一个Tensor的打印信息中shape=()表示该张量是标量（scalar）
  2. 一个Tensor的打印信息中shape=(n,)表示该张量是一个1维张量（如：tf.constant([1, 2, 3, …, n])），即该张量只有1对[]，访问其中的某个单个数字，需要1个索引，dim=1,rank=1。并且注意shape=(n,)中一定会有一个,不会写作shape=(n) 。
  3. 一个类Tensor（如TensorSpec）的打印信息中shape=(None, n)或shape=(None,)，其中None表示该维度存在，但是长度（或sizes）未知。如shape=(None, n)的张量有两个维度（也就是两对[]），其中第一个维度sizes未知。
  • 作者：Ly.Leo
  • 原文链接：https://blog.csdn.net/ly869915532/article/details/127482025
    更新时间：2022年12月23日12:27:11 ，共 389 字。