tf.expand_dims

tf.expand_dims(input, axis=None, name=None, dim=None )

給定的張量input，axis為需要在第幾維度擴充，axis=0表示在原有的張量的第一維擴充，axis=1表示在原有的張量的第二維擴充，axis=-1表示在原有的張量的最后一維擴充

如果要將批次尺寸添加到單個元素，此操作很有用。例如，如果您有一個shape的圖像[height, width, channels]，則可以用制作一批1張圖像expand_dims(image, 0)，這將使shape成為[1, height, width, channels]。

示例：

增加一個維度

import numpy as np import tensorflow as tf from numpy import arraycurrent = np.array([[0, 7, 1, 2, 2],[1, 7, 3, 4, 3],[2, 7, 5, 6, 6],[3, 7, 7, 8, 7],[4, 7, 7, 8, 7],[5, 7, 7, 8, 7] ])current = array(current)current = tf.constant(current) points_e = tf.expand_dims(current, axis=0)#在第一維增加一維print(current) #Tensor("Const:0", shape=(6, 5), dtype=int32) print(points_e) #Tensor("ExpandDims:0", shape=(1, 6, 5), dtype=int32)with tf.Session() as sess:print(sess.run(current))print(************************)print(sess.run(points_e))

?結果：

[[0 7 1 2 2][1 7 3 4 3][2 7 5 6 6][3 7 7 8 7][4 7 7 8 7][5 7 7 8 7]] ************************* [[[0 7 1 2 2][1 7 3 4 3][2 7 5 6 6][3 7 7 8 7][4 7 7 8 7][5 7 7 8 7]]] #增加了一維

官方示例?shape維度?

# 't' is a tensor of shape [2] shape(expand_dims(t, 0)) ==> [1, 2] shape(expand_dims(t, 1)) ==> [2, 1] shape(expand_dims(t, -1)) ==> [2, 1] # 't2' is a tensor of shape [2, 3, 5] shape(expand_dims(t2, 0)) ==> [1, 2, 3, 5] shape(expand_dims(t2, 2)) ==> [2, 3, 1, 5] shape(expand_dims(t2, 3)) ==> [2, 3, 5, 1]

tf.squeeze()

tf.squeeze(input, squeeze_dims=None, name=None)Removes dimensions of size 1 from the shape of a tensor. 從tensor中刪除所有大小是1的維度

參數解釋：

input：張量。 輸入要擠壓。
squeeze_dims：可選的ints列表。 默認為[]。 如果指定，只能擠壓列出的尺寸。 維度索引從0開始。擠壓不是1的維度是一個錯誤。
name：操作的名稱（可選）。

給定張量輸入，此操作返回相同類型的張量，并刪除所有尺寸為1的尺寸。 如果不想刪除所有尺寸1尺寸，可以通過指定squeeze_dims來刪除特定尺寸1尺寸。
如果不想刪除所有大小是1的維度，可以通過squeeze_dims指定需要刪除的維度。

示例：

# 't' is a tensor of shape [1, 2, 1, 3, 1, 1] shape(squeeze(t)) ==> [2, 3] Or, to remove specific size 1 dimensions:# 't' is a tensor of shape [1, 2, 1, 3, 1, 1] shape(squeeze(t, [2, 4])) ==> [1, 2, 3, 1]

?

總結

以上是生活随笔為你收集整理的tf.expand_dims（）和tf.squeeze（）的用法详解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。