知识卡片
张量形状与按轴归约
张量的 rank 是轴的数量,shape 则给出各轴长度,dtype 指定元素类型。例如 shape 为 (2, 3) 的矩阵 rank 为 2。对它沿 axis=0 求和得到长度为 3 的结果,沿 axis=1 求和得到长度为 2 的结果;保留被归约轴与否还取决于 keepdims。检查形状和数据类型有助于发现维度不匹配。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 一骑红尘江湖笑,TensorFlow谷歌造 11.5.4 张量思维与 11.5.12 Reduce方向 · 查看原书依据
简单来说,阶可以理解为张量的维数。
参考来源
- 位置:《深度学习之美:AI时代的数据处理与最佳实践》第11章《一骑红尘江湖笑,TensorFlow谷歌造》,11.5.4 张量思维与 11.5.12 Reduce方向(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter16_0005.xhtml#txt011_19)
- 结论依据:原文相应小节的解释与示例;版本边界和形状例子为理解补充。
- 原始内容:简单来说,阶可以理解为张量的维数。