我正在尝试学习TensorFlow。在给定的示例中，我们如何定义秩和形状？我是说如何找到秩和形状？

    3 # 一个秩为0的张量；这是一个标量，形状为[]    [1. ,2., 3.] # 一个秩为1的张量；这是一个向量，形状为[3]    [[1., 2., 3.], [4., 5., 6.]] # 一个秩为2的张量；这是一个矩阵，形状为[2, 3]    [[[1., 2., 3.]], [[7., 8., 9.]]] # 一个秩为3的张量，形状为[2, 1, 3]

回答：

秩是张量中维度的数量。参考：https://en.wikipedia.org/wiki/Tensor

唯一标识每个组件所需的索引总数等于数组的维度，称为张量的阶、度或秩。

形状描述了张量每个维度中的元素数量。

在给定的示例中，

[1. ,2., 3.]

是一组只有一维的数字。这被称为向量，通常用来表示一条线。

[[1., 2., 3.], [4., 5., 6.]]

是一组具有两维的数字。这被称为矩阵，通常在几何上代表一组线。（每条线由每个内括号中的元素描述）

这可以推广到超过两维的更多维度。更一般地说，所有这些数字集合都被称为张量。TensorFlow使用这些数字集合作为数据结构。