深入浅出TensorFlow2函数——tf.rank

von Neumann

已于 2023-03-16 20:20:26 修改

阅读量1.2w

点赞数 5

CC 4.0 BY-SA版权

分类专栏：深入浅出TensorFlow2函数文章标签：人工智能深度学习 tensorflow Tensor rank

于 2023-02-28 18:38:33 首次发布

本文链接：https://blog.csdn.net/hy592070616/article/details/129267285

深入浅出TensorFlow2函数专栏收录该内容

25 篇文章

订阅专栏

tf.rank函数用于获取Tensor或SparseTensor的维度，返回一个int32类型的张量表示输入的秩。例如，对于三维张量t，tf.rank(t)将返回3。此函数等价于numpy中的np.ndim，提供了一种获取张量阶数的方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

分类目录：《深入浅出TensorFlow2函数》总目录

语法

tf.rank(input, name=None)

参数

input：tf.Tensor或tf.SparseTensor
name：[可选] 操作的名称

返回值

张量input的维度，是一个int32类型的张量

实例

输入：

t = tf.constant([[[1, 1, 1], [2, 2, 2]], [[3, 3, 3], [4, 4, 4]]])
tf.rank(t)

输出：

<tf.Tensor: shape=(), dtype=int32, numpy=3>

函数实现

@tf_export("rank")
@dispatch.add_dispatch_support
def rank(input, name=None):
  # pylint: disable=redefined-builtin
  """Returns the rank of a tensor.
  See also `tf.shape`.
  Returns a 0-D `int32` `Tensor` representing the rank of `input`.
  For example:

  **Note**: The rank of a tensor is not the same as the rank of a matrix. The
  rank of a tensor is the number of indices required to uniquely select each
  element of the tensor. Rank is also known as "order", "degree", or "ndims."
  Args:
    input: A `Tensor` or `SparseTensor`.
    name: A name for the operation (optional).
  Returns:
    A `Tensor` of type `int32`.
  @compatibility(numpy)
  Equivalent to np.ndim
  @end_compatibility
  """
  return rank_internal(input, name, optimize=True)