tensorflow::shape_inference::InferenceContext* ic, int num_dims,
    const int64_t* dims) {
  if (num_dims != -1) {
    std::vector<tensorflow::shape_inference::DimensionHandle> dim_vec;
    dim_vec.reserve(num_dims);
    for (int i = 0; i < num_dims; ++i) {
      dim_vec.push_back(ic->MakeDim(dims[i]));
    }
    return ic->MakeShape(dim_vec);
  } else {
    return ic->UnknownShape();
  }
}

}  // namespace

## Tip parametresi olan list alanları { #list-fields-with-type-parameter }

Ancak Python’da, iç tipleri olan list’leri (ya da "type parameter" içeren tipleri) tanımlamanın belirli bir yolu vardır:

### Tip parametresiyle bir `list` tanımlayın { #declare-a-list-with-a-type-parameter }

`list`, `dict`, `tuple` gibi type parameter (iç tip) alan tipleri tanımlamak için, iç tipi(leri) köşeli parantezlerle "type parameter" olarak verin: `[` ve `]`

```Python

     */
    protected static int copyInternal(final FileInputStream in, final FileOutputStream out) {
        final FileChannel ic = in.getChannel();
        final FileChannel oc = out.getChannel();
        return (int) ChannelUtil.transfer(ic, oc);
    }

    /**
     * Copies the contents of a reader to a writer.
     * <p>
     * Neither the reader nor the writer is closed.

// versions and bytes rebalanced out of a pool
type rebalanceStats struct {
	InitFreeSpace uint64 `json:"initFreeSpace" msg:"ifs"` // Pool free space at the start of rebalance
	InitCapacity  uint64 `json:"initCapacity" msg:"ic"`   // Pool capacity at the start of rebalance

	Buckets           []string      `json:"buckets" msg:"bus"`           // buckets being rebalanced or to be rebalanced

Dataclass otomatik olarak bir Pydantic dataclass'ına dönüştürülür.

Bu sayede şeması API docs kullanıcı arayüzünde görünür:

<img src="/img/tutorial/dataclasses/image01.png">

## İç İçe Veri Yapılarında Dataclass'lar { #dataclasses-in-nested-data-structures }

İç içe veri yapıları oluşturmak için `dataclasses` ile diğer type annotation'ları da birleştirebilirsiniz.

Değişkeni, aynı iki nokta (`:`) sözdizimiyle bildirin.

Tip olarak `list` yazın.

`list`, bazı iç tipleri barındıran bir tip olduğundan, bunları köşeli parantez içine yazarsınız:

{* ../../docs_src/python_types/tutorial006_py310.py hl[1] *}

/// info | Bilgi

Köşeli parantez içindeki bu iç tiplere "type parameters" denir.

Bu durumda `str`, `list`'e verilen type parameter'dır.

///

			return
		}
		switch msgp.UnsafeString(field) {
		case "ifs":
			z.InitFreeSpace, err = dc.ReadUint64()
			if err != nil {
				err = msgp.WrapError(err, "InitFreeSpace")
				return
			}
		case "ic":
			z.InitCapacity, err = dc.ReadUint64()
			if err != nil {
				err = msgp.WrapError(err, "InitCapacity")
				return
			}
		case "bus":
			var zb0002 uint32
			zb0002, err = dc.ReadArrayHeader()

Burada kullanılan havalı terimlerin ötesinde, **Dependency Injection** sistemi aslında oldukça basittir.

*Path operation function*'lara benzeyen fonksiyonlardan ibarettir.

Yine de çok güçlüdür ve keyfi derecede derin iç içe geçmiş bağımlılık "graph"ları (ağaçları) tanımlamanıza izin verir.

/// tip | İpucu

Bu basit örneklerle çok faydalı görünmeyebilir.

![editor support](https://fastapi.tiangolo.com/img/pycharm-completion.png)

Daha önce imkânsız olduğunu düşünebileceğiniz yerlerde bile tamamlama alırsınız. Örneğin, bir request’ten gelen (iç içe de olabilir) JSON body içindeki `price` anahtarı için.

Artık anahtar adlarını yanlış yazmak, dokümana gidip gelmek ya da sonunda `username` mi `user_name` mi kullandığınızı bulmak için sayfayı yukarı aşağı kaydırmak yok.

* Şunlar dahil editör desteği:
    * Completion.
    * Type kontrolleri.
* Verinin doğrulanması:
    * Veri geçersiz olduğunda otomatik ve anlaşılır hatalar.
    * Çok derin iç içe JSON nesneleri için bile doğrulama.
* Girdi verisinin <dfn title="şöyle de bilinir: serileştirme, ayrıştırma, marshalling">Dönüşümü</dfn>: network'ten gelen veriyi Python verisine ve type'larına çevirir. Şunlardan okur:
    * JSON.