张量流中的张量形状

Question

张量流中张量的形状是什么？ 它代表什么？

我已经读过这个，我理解的是张量的形状是张量的每个维度的元素数量，但在第一个代码片段中：

[[1., 2., 3.], [4., 5., 6.]] # a rank 2 tensor; a matrix with shape [2, 3]

它说形状是2和3，但在张量的第一维有三个元素，而不是2，为什么？

Answer 1

形状是尺寸的大小。

[[1., 2., 3.], [4., 5., 6.]] # a rank 2 tensor; a matrix with shape [2, 3]

因为它有2行3列。 所以它不是元素，而是每个维度的大小。 因此，rank是维度的数量，而shape是维度的大小。

如果你看下一个例子

[[[1., 2., 3.]], [[7., 8., 9.]]] # a rank 3 tensor with shape [2, 1, 3]

它有2行，此维度中包含1组元素，以及3列。