代码输入输出形状解析：示例与解答

本文将通过具体示例来讲解代码执行前后输入输出数据的形状变化，并提供详细代码和解释。如有疑问，欢迎咨询！

示例一：NumPy 数组的形状变化

import numpy as np

# 输入形状 (2, 3)
input_array = np.array([[1, 2, 3], [4, 5, 6]])
print('输入形状：', input_array.shape)

# 代码：reshape 操作
output_array = input_array.reshape(3, 2)
print('输出形状：', output_array.shape)

解释：

代码中，输入数组 input_array 的形状为 (2, 3)，表示一个 2 行 3 列的矩阵。reshape 函数将该数组重塑为一个 3 行 2 列的矩阵，因此输出数组 output_array 的形状变为 (3, 2)。

示例二：TensorFlow 张量的形状变化

import tensorflow as tf

# 输入形状 (2, 3)
input_tensor = tf.constant([[1, 2, 3], [4, 5, 6]])
print('输入形状：', input_tensor.shape)

# 代码：矩阵乘法
output_tensor = tf.matmul(input_tensor, tf.transpose(input_tensor))
print('输出形状：', output_tensor.shape)

解释：

代码中，输入张量 input_tensor 的形状为 (2, 3)，表示一个 2 行 3 列的矩阵。tf.matmul 函数进行矩阵乘法，两个矩阵相乘的形状必须满足维度匹配，因此输出张量 output_tensor 的形状变为 (2, 2)。

总结：

理解代码执行前后数据形状的变化对于调试代码、优化性能至关重要。本文仅以两个简单的示例进行讲解，实际应用中还需根据具体情况分析。

如有疑问，请随时在下方留言区提问，我将竭诚为您解答！