Tensorflow張量的形狀表示方法

對輸入或輸出而言：

一個張量的形狀爲a x b x c x d，實際寫出這個張量時：

最外層括號[…]表示這個是一個張量，無別的意義！

次外層括號有a個，表示這個張量裏有a個樣本

再往內的括號有b個，表示每一個樣本的長

再往內的括號有c個，表示每一個樣本的寬

再往內沒有括號，也就是最內層的括號裏的數有d個，表示每一個樣本的深度爲d

tf.nn.conv2d(), tf.reshape()等都是這樣表示

給一個具體的張量，求這個張量的a,b,c,d值時，首先忽略最外層的括號，再數次外層括號個數(a)，再往內(b)，再往內(c)，最後看最裏層的括號內有幾個數(d)（各數表明各深度層的值）。

如：

Tensor = tf.constant([[[[1],[2],[ 3]],[[4],[5],[6 ]],[[ 7],[8],[9]]]])  # 也能夠不寫逗號
# Tensor.shape = (1, 3, 3, 1)

形狀爲(1, 3, 3, 1)

（看着容易眼花，因此通常豎着寫）

Tensor2 = tf.constant([[[[1],[2],[ 3]],[[4],[5],[6 ]],[[ 7],[8],[9]]], [[[1],[2],[ 3]],[[4],[5],[6 ]],[[ 7],[8],[9]]]])

# Tensor2.shape = (2, 3, 3, 1)

形狀爲(2, 3, 3, 1)　　 

相似的還有tf.ones(), tf.zeros()

注意！！！

對卷積核來講，a,b,c,d對應的括號形式雖然相同，但a,b,c,d表明的含義和輸入不同！！分別表明長，寬，深，個數！！因此書寫時要注意括號的形式！！好比我要寫一個長寬分別爲2，2，深度爲1，個數爲1的kernel張量，則它的形狀應爲(2,2,1,1)，而不是(1,2,2,1)，用相似tf.random.normal的方法來初始化kernel或weights時也是（長，寬，深，個數）

好比：

filter = tf.constant([[[[1]],
                  [[2]]],
                 [[[ 3]],
                  [[4]]]])

 我想多是和矩陣的乘法（左矩陣和右矩陣的位置）有關

池化層的池化窗口大小ksize形狀爲[1, height, width, 1]

 

使用tensor.reshape(-1, a, b, c)時，-1表明不指定這一維的大小，由於張量裏的元素個數是必定的，其餘維的大小肯定後，這一維的大小也隨之肯定，但不能在2各維度上使用-1（能夠想象爲解一元方程組，有一個未知數時方程有特解，有兩個未知數時方程的解不定）