深度学习中Python的Shape函数使用方法

深度学习中Python的Shape函数使用方法

Python中shape函数主要用于读取数组维度，通过调用shape可以获得研究数组及其对应行列的维度，输入的参数可以是一个常数，也可以是一个矩阵（Matrix）。但是在深度学习中使用Tensorflow框架中会遇到张量（Tensor）此时Shape函数也可以用于获取张量的维度。以下是简单实例：

1. 输入参数为一维数组
   
2. 输入参数为二维数组
   
   3.输入参数为张量（Tensor）
   在深度学习中，会一直使用Tensor这一概念。张量其实更具有普遍性与代表性，传统的标量、向量、矩阵都可以看成是张量的特例。例如标量是0维张量，向量是1维张量，矩阵或者成为二维数组则是2维张量。张量可以拓展至更高维度，对应的shape函数在python中的表示如下所示：
   
   其中shape[0] 的维度是第一个[]包含的数组个数，shape[1]对应第二[]包含的数组个数。以此类推。