TensorFlow2 基础知识: Tensor, Shap

Tensor

Tensor 是 TensorFlow 中基础的计算单元，它包括以下四个主要组成部分：

1. name -- Tensor 的名字，在一个 Computation Graph 中作为 Tensor 的一个标识

2. type -- Tensor 中数据的类型， 例如 tf.float32, tf.int64, tf.string

3. rank --- Tensor 中数据的维度， 类似矩阵中的rank （秩） 的概念

4. shape --- rank 定义好维度以后， shape 来定义每个维度的长度。比如 (6) 代表包含6个成员的向量， (2, 3) 代表一个 2 x 3 的矩阵。

当不知道某个维度的大小时， 可以用 None 代替， 表示 Unknown

Shape of Tensor

实际使可能遇到的几种Shape 的情况

1. Fully-known shape:
   知道 Rank 和 每个维度的大小， 比如 (28, 28, 3)

2. Partially-known shape
   知道部分维度大小，比如 (None, 28, 28, 3)

3. Unknown shape and known rank:
   只知道Rank，所有维度的大小都不知道， 比如 (None, None, None)

4. Unknown shape and rank
   这是比较特殊的情况， Rank， Shape 都不知道

因为TensorFlow 是先定义， 后执行， 有些信息在运行 Computation Graph 的时候再运算， 所以会出现上述在定义时， 未知的情况。

参考文档：

[1] Understanding Tensorflow's tensors shape: static and dynamic, Paolo Galeone, 01/28/2018