【发布时间】：2017-12-14 14:45:53
【问题描述】：
我正在学习一些教程来了解 TensorFlow 中的张量。我知道等级指定张量的维数。现在我对“形状”这个术语很好奇，我想知道一个维度是否有可能或普遍存在比下一个维度更多的实体，或者元素的数量在各个维度上是否总是相等？
我希望这是有道理的，并提前感谢您。
【问题讨论】：
标签： tensorflow deep-learning tensor
【发布时间】：2017-12-14 14:45:53
【问题描述】：
我不完全确定我是否正确理解了您的问题，但无论如何我都会尝试回答，前提是提供一些清晰的信息。
张量仅表示一个 N 维数组。张量的形状是沿给定维度的大小列表，排名是维度的数量。
因此，以大小为10x20x5 的 3D 数组为例。那么shape是(10, 20, 5)，rank是3，这个数组的元素总数是10*20*5=1000。
【讨论】：
-
这绝对有帮助。那么你是说形状是由这个 3D 数组中的所有元素定义的吗？我可能分析过度了，因为我在想，在一个 3D 数组中，这个数组的第一个维度可能比这个相同的 3D 数组的第二个维度有更多的实体。我看错了吗？
-
哦，我想我现在明白你的意思了。您不是在谈论维度，而是在谈论数组的切片。假设您有 3D 数组。那么
array[0]将是一个包含第一个切片中所有元素的二维数组，array[1]将是另一个包含第二个切片的二维数组，依此类推。在这种情况下，您的问题的答案是否定的，形状是静态的，所以每个切片，无论在哪个维度上，都有一个定义好的形状。在示例中，第一个维度上的每个切片（例如array[0]）将始终具有(20, 5)的形状。这能回答你的问题吗？ -
另一种看待这一点的方式是，一维数组是元素的列表。二维数组将是元素列表的列表。 3D 数组将是元素列表的列表。你明白了。在 TensorFlow 中，所有这些列表的维度都是固定的，并由张量形状定义。所以 2D 张量总是一个矩形矩阵，一个 3D 张量总是一个长方体矩阵，等等。