数组的最内部维度
Inner most dimension of an Array
数组的哪个维度称为数组的最内层维度？
我正在浏览一些 tensorflow 文档 "ctc loss"，其中描述了一种称为数组最内层维度的行话。
在我看来，答案可能有三种可能。
1. 从右边看最左边。
2. 如果我们从左边看，最右边。
3.中间，如果我们从两边看。
谁能解释一下 what innermost dimension means here?。谢谢解答我的疑惑。
显然，本文档中的最里面用于数组中的最后一个维度。
对于 tensorflow，可以肯定的是，代码注释比文档更有效。 tensorflow的官方文档还是很烂
如果我们参考tensorflowrepo，可以得到答案：
// The order of entries in "dim" matters: It indicates the layout of
the
// values in the tensor in-memory representation.
//
// The
first entry in "dim" is the outermost dimension used to layout the
// values, the last entry is the innermost dimension. This matches
the
// in-memory layout of RowMajor Eigen tensors.
（强调我的）
这与 numpy 数组的默认（行优先，也称为 C 样式）布局相同，其中最后一个维度被认为是最里面的，因为它 varies the fastest.
数组的哪个维度称为数组的最内层维度？ 我正在浏览一些 tensorflow 文档 "ctc loss"，其中描述了一种称为数组最内层维度的行话。 在我看来，答案可能有三种可能。 1. 从右边看最左边。 2. 如果我们从左边看，最右边。 3.中间，如果我们从两边看。
谁能解释一下 what innermost dimension means here?。谢谢解答我的疑惑。
显然，本文档中的最里面用于数组中的最后一个维度。 对于 tensorflow，可以肯定的是，代码注释比文档更有效。 tensorflow的官方文档还是很烂
如果我们参考tensorflowrepo，可以得到答案：
// The order of entries in "dim" matters: It indicates the layout of the
// values in the tensor in-memory representation.
//
// The first entry in "dim" is the outermost dimension used to layout the
// values, the last entry is the innermost dimension. This matches the
// in-memory layout of RowMajor Eigen tensors.
（强调我的）
这与 numpy 数组的默认（行优先，也称为 C 样式）布局相同，其中最后一个维度被认为是最里面的，因为它 varies the fastest.