Функция rank

Функция rank возвращает ранг переданного тензора. Ранг тензора - это количество его измерений (осей). Первым параметром функция принимает тензор или данные, которые можно преобразовать в тензор. Скаляр имеет ранг 0, вектор - ранг 1, матрица - ранг 2 и так далее.

Синтаксис

tf.rank(input, [name])

Пример

Давайте определим ранг скалярного значения:

import tensorflow as tf

t = tf.constant(5)
res = tf.rank(t)
print(res)

Результат выполнения кода:

tf.Tensor(0, shape=(), dtype=int32)

Пример

Давайте определим ранг одномерного тензора:

import tensorflow as tf

t = tf.constant([1, 2, 3, 4, 5])
res = tf.rank(t)
print(res)

Результат выполнения кода:

tf.Tensor(1, shape=(), dtype=int32)

Пример

Давайте определим ранг двумерного тензора:

import tensorflow as tf

t = tf.constant([[1, 2, 3], [4, 5, 6]])
res = tf.rank(t)
print(res)

Результат выполнения кода:

tf.Tensor(2, shape=(), dtype=int32)

Пример

Давайте получим ранг тензора в виде числа NumPy:

import tensorflow as tf

t = tf.constant([[1, 2, 3], [4, 5, 6]])
res = tf.rank(t).numpy()
print(res)

Результат выполнения кода:

2

Смотрите также

функцию shape,
которая возвращает форму тензора
функцию size,
которая возвращает количество элементов в тензоре
функцию expand_dims,
которая добавляет новое измерение к тензору
функцию squeeze,
которая удаляет измерения единичной длины