Tensor的代码表达及方向

tensor

矩阵的索引顺序：

方向（就是最内层数组）永远是最后一个方向：。
是倒数第二
是倒数第三
依次往前推……

比如，一个3维矩阵（如图），第一个元素的坐标是：或者：
如果是一个4维矩阵，第一个元素的坐标是：
如果4个维度分别为，那么第一个元素的坐标是：

---

代码对一个矩阵的表达方式如下：

#1维，x方向
a = [1, 2, 3, 4]

二维矩阵

#2维，yx方向
a = [ [1, 2, 3, 4],     
      [5, 6, 7, 8] ]

三维矩阵

#3维，zyx方向
a = [ [ [1, 2, 3, 4],   
        [5, 6, 7, 8],
        [9, A, B, C] ],
      [ [1, 2, 3, 4],
        [5, 6, 7, 8],
        [9, A, B, C] ] ]

助记：

• [ [ [ [1, 2, 3, ... ] ] ] ] 数字前，有几个括号，就是几维。
• [ 1维内的所有矩阵：[], [], [],.. ]
• [ [ 2维内的所有矩阵：[], [], ...]]
• [ [ [ 3维内的所有矩阵：[], [], ... ]]]
• [ [ [ ... [ X维内的所有数字：1， 2， 3， 4，... ] ... ] ] ]

---

<tf.Tensor: shape=(2, 3, 4), dtype=int32, numpy=
array([[[ 1,  2,  3,  4],
        [ 5,  6,  7,  8],
        [ 9, 10, 11, 12]],
       [[ 1,  2,  3,  4],
        [ 5,  6,  7,  8],
        [ 9, 10, 11, 12]]])>

---

tf.reduce_sum(a, axis=0, keepdims=True)

<tf.Tensor: shape=(1, 3, 4), dtype=int32, numpy=
array([[[ 2,  4,  6,  8],
        [10, 12, 14, 16],
        [18, 20, 22, 24]]])>

---

tf.reduce_sum(a, axis=1, keepdims=True)

<tf.Tensor: shape=(2, 1, 4), dtype=int32, numpy=
array([[[15, 18, 21, 24]],
       [[15, 18, 21, 24]]])>

---

tf.reduce_sum(a, axis=2, keepdims=True)

<tf.Tensor: shape=(2, 3, 1), dtype=int32, numpy=
array([[[10],
        [26],
        [42]],
       [[10],
        [26],
        [42]]])>