初学深度学习，遇到shape[-1]，了解了一下他的含义：

1. 首先需要知道，对于二维张量，shape[0]代表行数，shape[1]代表列数，同理三维张量还有shape[2]；
2. 一般来说-1代表最后一个，所以shape[-1]代表最后一个维度，如在二维张量里，shape[-1]表示列数，注意，即使是一维行向量，shape[-1]表示行向量的元素总数，换言之也是列数：

import torch

x = torch.tensor([2, 3, 4, 8])
print(x.shape[-1])

# output如下
4

Process finished with exit code 0

需要注意的小细节：

1.  然后就是，需要注意turple，list等没有shape属性，需要替换成张量tensor
2.  注意，即使是三维，由于shape[0]表示向量数，所以shape[1]是行数，那么shape[2]还是列数，所以shape[-1]最后一维还是列数

import torch

x = torch.tensor([[2, 3, 4, 3, 6, 8],
                 [1, 8, 9, 5, 0, 1],
                 [2, 0, 2, 2, 7, 1]])
print(x.shape[-1])

 输出是：6

6

Process finished with exit code 0