tensorflow四維tensor的形狀以及函數tf.argmax( )的筆記

關於tensorflow裏多維數組（主要是四維）的組織形式以前一直沒弄懂，最近遇到相關問題，算是搞清楚了一些東西，特別記下來，省得本身又遺忘了。

三維形式能很簡單的腦補出來三維的形狀，再也不贅述。

以前一直糾結四維的時候數據是怎樣填充的。特別是遇到深度學習的時候輸入都是[batch，height，width，channel]，這種四維的張量的時候，是怎樣個數據的形狀。

先看代碼：

prediction2 = tf.constant([1,2,3,4,5,6,7,8,9,13,14,14,15,1,6,34,23,7],shape=[2,1,3,3])

生成一個shape爲 [2,1,3,3]的tensor，具體生成的時候按照一個維度一個維度填充的，先填充最「裏面」的維度，這裏指維度3，而後往外依次填充。所以能夠將[1,1,3,3]當作是這樣形狀：

而[2,1,3,3]則是兩個這樣的立方體組合而成。生成這樣的一個tensor的時候依次填充[0][0][0][0], [0][0][0][1], [0][0][0][2]......

依次當求這個tensor在相應維度下的最大值座標就很好理解了，如這句代碼：

result = tf.argmax(prediction2,3)

將返回在Z軸上最大值的座標，所以立方體第一列即[0][0][0][0], [0][0][0][1], [0][0][0][2]，依次爲1,2,3, 最大爲2，返回維度爲2；同理可推出，函數返回值爲：

[[2,2,2],

 [1,0,0]]

實際運行結果也相同：