shape函数是分别Numpy中的函数，它的什意思附功能是读取矩阵的长度，比如shape[0]就是代码读取矩阵第一维度的长度。

直接用.shape可以快速读取矩阵的分别形状，使用shape[0]读取矩阵第一维度的什意思附长度。

.shape的代码使用方法

>>>import numpy as np>>>x=np.array([[1,2,3],[4,5,6]])>>>print(x.shape)

(2, 3)

shape[0]的使用方法

>>>import numpy as np>>>x=np.array([[1,2,3],[4,5,6]])>>>print(x.shape[0])2

其实，我们可以发现:

>>>print(len(x))2

shape[0]读取矩阵第一维度的分别长度，即数组的什意思附行数。

shape[1]的代码使用方法

>>>print(x.shape[1])3

是我们的数组的列数。

有时我们会遇到一种新的分别表示方法:shape[-1]

首先需要知道，对于二维张量，什意思附shape[0]代表行数，代码shape[1]代表列数，分别同理三维张量还有shape[2]

对于图像来说：

image.shape[0]——图片高

image.shape[1]——图片长

image.shape[2]——图片通道数

而对于矩阵来说：

shape[0]：表示矩阵的什意思附行数

shape[1]：表示矩阵的列数

一般来说，-1代表最后一个，代码所以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：

我们还是举上面的例子:

>>>print(x.shape[-1])3

就是求得的列数。