关于tensor的shape理解

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] ]
显然它是二维的，因为一看就是一个矩阵，那如果 [ ] 多了又怎么判断呢，这是个取巧的办法，看第一个数字左边有几个 [ 就行了。
当然，还没进入正题，两个新的理解：

1. shape[2,3,4] 怎么表示咩？

   首先有一个 [ ] （记为一号[]）阔住所有的量，（所有的tensor最外层都会有一个[ ]）

   [	]
   

   第一个参数“2”，表示一号 [ ] 中有2个大部分，（记为二号[]）

   [[	]	[	]]
   

   第二个参数“3”，表示每个二号 [ ] 中有3个小部分，（记为三号[]）

   [[ [] [] [] ]		[ [] [] [] ]]
   

   第三个参数“4”，表示每个三号 [ ] 中有4个数据

举个例子吧

tensor = tf.constant(1,[2,3,4])
'''	
[ [ [1,1,1,1] [1,1,1,1] [1,1,1,1] ]
  [ [1,1,1,1] [1,1,1,1] [1,1,1,1] ] ]
'''

这样应该就看的明白了

2. 关于这个例子的思考（shape[2,3,4] 中参数2,3,4究竟表示的是什么？）

第一个参数“2”表示在第一维中有2个元素，也就是上面所说的2个二号 [ ] ,
第二个参数“3”表示第二维中有3个元素，也就是上面所说的3个三号 [ ] ,
第三个参数“4”自然也就是表示第三维中有4个元素的意思，也就是上面说的每个三号 [ ] 中有4个数据
再总结一下，第n个参数就表示第n维中含有的元素

附上刚开始了解tensor时很有启发的一个视频 Dan Fleisch
这个老师很用心，视频很不错，12分钟了解tensor