版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
tf.rank 函数
函数描述：
tf.rank用来返回张量的秩
注意：张量的秩与矩阵的秩不一样.张量的秩是唯一选择张量的每个元素所需的索引的数量.秩也被称为 “order”,“degree” 或 “ndims”.
rank(
input,
name=None
)
说明：
这里张量的秩，可以直接理解维度，就是说这个张量是几维的，它不是矩阵的秩也不是数组的shape，简单的理解，可以它就是中括号的层数
示例：
x1 = tf.constant([1, 2, 4]) # 1x3
x2 = tf.constant([[1, 2, 4], [8, 16, 32]]) # 2x3
x3 = tf.constant([[[1, 1, 1], [2, 2, 2]], [[3, 3, 3], [4, 4, 4]]]) # 1x2x3
with tf.Session() as sess:
print(sess.run(tf.rank(x1))) # 1
print(sess.run(tf.rank(x2))) # 2
print(sess.run(tf.rank(x3))) # 3