Tensorflow 中的 tf.rank 函数

Question

我想了解 tensorflow 中的 tf.rank 函数。从文档here 中，我了解到 rank 应该返回张量中不同元素的数量。

这里 x 和权重是 2 个不同的 2*2 张量，每个张量有 4 个不同的元素。但是，rank() 函数的输出是：

Tensor("Rank:0", shape=(), dtype=int32) Tensor("Rank_1:0", shape=(), dtype=int32)

另外，对于张量 x，我使用 tf.constant() 和 dtype = float 将 ndarray 转换为 float32 张量，但 rank() 仍然输出为 int32。

g = tf.Graph()
with g.as_default():
    weights = tf.Variable(tf.truncated_normal([2,2]))
    x = np.asarray([[1 , 2], [3 , 4]])
    x = tf.constant(x, dtype = tf.float32)
    y = tf.matmul(weights, x)
    print (tf.rank(x), tf.rank(weights))


with tf.Session(graph = g) as s:
    tf.initialize_all_variables().run()
    print (s.run(weights), s.run(x))
    print (s.run(y))

我应该如何解释输出。

Answer 1

首先，tf.rank 返回张量的维度，而不是元素的数量。例如，tf.rank 调用 2x2 矩阵的输出将是 2。

要打印张量的等级，请创建一个适当的节点，例如rank = tf.rank(x) 然后使用 Session.run() 评估此节点，就像您对权重和 x 所做的那样。 print (tf.rank(x), tf.rank(weights)) 的执行预期会打印出张量的描述，因为 tf.rank(x), tf.rank(weights) 是图的节点，而不是具有定义值的变量。