Tensor是Tensorflow中最基礎的數據結構，常常翻譯為張量，可以理解為n維數組或矩陣，相關函數：

constant(value, dtype=None, shape=None, name='Const', verify_shape=False)

?0.零維張量

import tensorflow as tf#零維張量 const0 = tf.constant(1, tf.float16) print(const0)

?運行結果：

Tensor("Const:0", shape=(), dtype=float16)

?1.一維張量

#一維張量，長度為4 const1 = tf.constant([1, 2, 3, 4], tf.float16) print(const1)

運行結果：

Tensor("Const_1:0", shape=(4,), dtype=float16)

幾何表示：

????????一維張量沒有行和列的概念，只有長度的概念。上述的const1就是長度為4的一維張量，或者稱為向量。上面的圖僅為示意，代表一維張量只有axis=0這個方向，并不是指這是一個4行的向量。事實上，tensorflow在做一些運算時，反而經常把1行N列的二維張量簡化成一個長度為N的一維向量。

2.二維張量

#二維張量，3行4列 const2 = tf.constant([[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12]], tf.float16) print(const2)

運行結果：

Tensor("Const_2:0", shape=(3, 4), dtype=float16)

幾何表示：

?3.三維張量

#三維張量，3行4列深度為2的張量 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) print(const3)

運行結果：

Tensor("Const_3:0", shape=(3, 4, 2), dtype=float16)

幾何表示：

?4.四維張量

#四維張量 const4 = tf.constant([#第一個3行4列深度為2的三維張量[[[1, 2], [ 3, 4], [ 5, 6], [ 7, 8]],[[11, 12], [13, 14], [15, 16], [17, 18]],[[21, 22], [23, 24], [25, 26], [27, 28]]],#第二個3行4列深度為2的三維張量[[[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) print(const4)

運行結果：

Tensor("Const_4:0", shape=(2, 3, 4, 2), dtype=float16)

5.如何判斷一個張量的bitch數，行，列，深度

const4 = tf.constant([#第一個3行4列深度為2的三維張量[[[1, 2], [ 3, 4], [ 5, 6], [ 7, 8]],[[11, 12], [13, 14], [15, 16], [17, 18]],[[21, 22], [23, 24], [25, 26], [27, 28]]],#第二個3行4列深度為2的三維張量[[[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)

從左邊開始數連續[的數量，最多有X個[說明是X維張量。上面的例子就是4維張量。
以三維以上的張量為例：
從左邊開始數連續的[，最后一個[對應的]中一共兩個元素，分別為1， 2，說明深度為2。
接下來向左邊數上一級[對應的]中一共有4個元素[1, 2], [ 3, 4], [ 5, 6], [ 7, 8]，說明列為4。
同理繼續數上一級，得到3行，2個batch。

6.小結

shape屬性中的元素大于等于3時，可以用3維空間來理解。
shape=(3, 4, 2)時，表示3行4列深度為2的張量
shape=(2, 3, 4, 2)時，表示有2個 3行4列深度為2的張量
shape=(6, 2, 3, 4, 2)時，表示有6個四維張量，這個四維張量又可以表示為2個 3行4列深度為2的張量。

shape中的屬性分別與axis=0，axis=1、axis=2、axis=3……對應，以此類推。當維度超過3時，上圖幾何中的坐標系表示就已經錯誤了。但是對于理解多維是有幫助的。

總結

以上是生活随笔為你收集整理的多维张量的理解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。