TensorFlow.js：那两个张量相等吗？

Question

我正在阅读TensorflowJS文档。 在他们的示例代码中，他们说

  const xs = tf.tensor2d([1, 2, 3, 4], [4, 1]);

看这里

我很困惑，因为他们在这里使用二维数组。 有谁知道为什么？

为了完整起见，这里是完整的代码片段。

 // Define a model for linear regression.
  const model = tf.sequential();
  model.add(tf.layers.dense({units: 1, inputShape: [1]}));

  // Prepare the model for training: Specify the loss and the optimizer.
  model.compile({loss: 'meanSquaredError', optimizer: 'sgd'});

  // Generate some synthetic data for training.
  const xs = tf.tensor2d([1, 2, 3, 4], [4, 1]);
  const ys = tf.tensor2d([1, 3, 5, 7], [4, 1]);

  // Train the model using the data.
  model.fit(xs, ys).then(() => {
    // Use the model to do inference on a data point the model hasn't seen before:
    // Open the browser devtools to see the output
    model.predict(tf.tensor2d([5], [1, 1])).print();
  });

这里使用1维数组会不会更简单，因为数组不会使用第二维吗？

const xs = tf.tensor1d([1, 2, 3, 4]);

Answer 1

特征xs张量是二维张量。 更一般地，特征张量比第一层的inputShape大一维。 添加的维度是批次维度，它指示inputShape的形状元素数量，模型是经过训练的还是预测的。

在示例中，inputShape的大小为[1] ，特征形状需要为[b,1]形状，因此为二维张量