shape[-1]

    首先需要知道，对于二维张量，shape[0] 代表行数，shape[1] 代表列数，同理，三维张量还有 shape[2]；
    一般来说 -1 代表最后一个，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：

import torch
     
    x = torch.tensor([2, 3, 4, 8])
    print(x.shape[-1])

 输出是：    4

需要注意的小细节：

     然后就是，需要注意 turple，list等没有 shape 属性，需要替换成张量 tensor

     注意，即使是三维，由于 shape[0] 表示向量数，所以 shape[1] 是行数，那么 shape[2] 还是列数，所以 shape[-1] 最后一维还是列数

import torch
     
    x = torch.tensor([[2, 3, 4, 3, 6, 8],
                     [1, 8, 9, 5, 0, 1],
                     [2, 0, 2, 2, 7, 1]])
    print(x.shape[-1])

 输出是：6