如何计算张量流中张量的形状

Question

为了清楚地理解张量流中的张量，我需要清楚地理解张量如何定义张量。

这些都是从tensorflow文件的一些例子：

3 # a rank 0 tensor; this is a scalar with shape [] [1. ,2., 3.] # a rank 1 tensor; this is a vector with shape [3] [[1., 2., 3.], [4., 5., 6.]] # a rank 2 tensor; a matrix with shape [2, 3] [[[1., 2., 3.]], [[7., 8., 9.]]] # a rank 3 tensor with shape [2, 1, 3]

是以下矿井的理解是否正确：

为了找到张量的形状，我们从最开始列出并计算里面的元素（或列表）的数量。这个数字是第一个维度。然后，我们对内部列表重复此过程，并找出张量的下一个维度。

如果我错了，请纠正我。

Answer 1

是的，你的理解是正确的。如果你有一个有效的张量，你的算法会返回张量的正确尺寸。你可以把它写在python通过以下方式

def get_shape(arr): 
    res = [] 
    while isinstance((arr), list): 
     res.append(len(arr)) 
     arr = arr[0] 
    return res 

注意，在改编的任意值的情况下，你还需要确保的尺寸相符（[[1, 2, 3], [4, 5]]不是有效的张量）