python中的shape[-1]与shape[0],shape[1]的含义,用法
初学深度学习,遇到shape[-1],了解了一下他的含义: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];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:...
·
初学深度学习,遇到shape[-1],了解了一下他的含义:
- 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];
- 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:
- 然后就是,需要注意turple,list等没有shape属性,需要替换成张量tensor
- 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
更多推荐
已为社区贡献1条内容
所有评论(0)