Tensorflow 如何理解张量的形状_Tensorflow

Tensorflow 如何理解张量的形状

tensorflow

Tensorflow 如何理解张量的形状,tensorflow,Tensorflow,例如，下面是代码片段 kernel = tf.get_variable('conv1_1_Weights', dtype=tf.float32, shape=[3, 3, 3, 64], initializer=initer) 我不明白张量的形状是什么意思？如何理解内核的值等。kernel是一个带有shape=[3,3,3,64]的张量，意思是： 3,3=内核宽度x内核高度 3=内核深度 64=内核数3 x 3 x 64 这意味着每个内核都是一个卷3x3x3，其中有64个内核深度等于内核

例如，下面是代码片段

kernel = tf.get_variable('conv1_1_Weights', dtype=tf.float32, shape=[3, 3, 3, 64], initializer=initer)

我不明白张量的形状是什么意思？如何理解内核的值等。

kernel

是一个带有

shape=[3,3,3,64]

的张量，意思是：

```
3,3
```
=内核宽度x内核高度
```
3
```
=内核深度
```
64
```
=内核数
```
3 x 3 x 64
```

这意味着每个内核都是一个卷

3x3x3

，其中有64个

内核深度等于内核被卷积的输入的深度：所以你可能是在用RGB图像卷积它

此具有64个内核的3通道图像的卷积输出是一个深度为64的卷：每个卷积内核有一个特征映射