张量维度的理解
介绍
张量的阶数有时也称维度，或者轴axis。
比如矩阵[[1,2],[3,4]]，是一个二维张量。
- 沿着第0个轴可以看到[1,2],[3,4]两个向量
- 沿着第1个轴可以看到[1,3],[2,4]两个向量。
图示：
; 一维张量
const1 = tf.constant([1,2,3,4],tf.float16)
二维张量
const2 = tf.constant([
[1,2,3,4],
[5,6,7,8],
[9,10,11,12]
],tf.float16)
几何表示：
三维张量
const3 = tf.constant([
[[1,2],[3,4],[5,6],[7,8]],
[[11, 12], [13, 14], [15, 16], [17, 18]],
[[21, 22], [23, 24], [25, 26], [27, 28]]
],tf.float16)
shape = (3,4,2)
几何表示：
四维张量 （仅用于理解，坐标系已经不再适用）
const3 = tf.constant([
[[[1,2],[3,4],[5,6],[7,8]],
[[11, 12], [13, 14], [15, 16], [17, 18]],
[[21, 22], [23, 24], [25, 26], [27, 28]]],
[[[1,2],[3,4],[5,6],[7,8]],
[[11, 12], [13, 14], [15, 16], [17, 18]],
[[21, 22], [23, 24], [25, 26], [27, 28]]]
],tf.float16)
shape = (2,3,4,2)
几何表示：
如何判断张量的batch数、行、列、深度
从左边开始数连续[的数量，最多有X个[说明是X维张量。上面的例子就是4维张量。
小结：
shape属性中的元素大于等于3时，可以用3维空间来理解。
shape=(3, 4, 2)时，表示3行4列深度为2的张量
shape=(2, 3, 4, 2)时，表示有2个 3行4列深度为2的张量
shape=(6, 2, 3, 4, 2)时，表示有6个四维张量，这个四维张量又可以表示为2个 3行4列深度为2的张量。
shape中的属性分别与axis=0，axis=1、axis=2、axis=3……对应，以此类推。当维度超过3时，上图几何中的坐标系表示就已经错误了。但是对于理解多维是有帮助的。
Original: https://blog.csdn.net/qq_36930921/article/details/121670945
Author: 奶油松果
Title: 张量维度的理解
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/709414/
转载文章受原作者版权保护。转载请注明原作者出处！