tf.expand_dims()使用

最新推荐文章于 2022-10-04 21:50:04 发布

转载最新推荐文章于 2022-10-04 21:50:04 发布 · 397 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：https://blog.youkuaiyun.com/weixin_39550091/article/details/102879550

文章标签：

#python

语法专栏收录该内容

50 篇文章

订阅专栏

本文详细介绍如何在TensorFlow中使用tf.expand_dims()函数增加张量维度，通过实例展示不同dim参数设置下张量形状的变化。

TensorFlow中，想要维度增加一维，可以使用tf.expand_dims(input, dim, name=None)函数。

input：输入，tensor类型
dim：增加维度的位置，比如：0表示在input的第一维增加一维，shape（a）=[2,3]，操作之后数据维度为[1,2,3]。如果是1，shape=[2,1,3]
name：操作的名称(可选)。

import tensorflow as tf

sess = tf.InteractiveSession()
a = tf.constant([1, 2, 3, 4, 5, 6], shape=[2, 3])
b = tf.expand_dims(a, 0)
c = tf.expand_dims(a, 1)
d = tf.expand_dims(a, 2)
e = tf.expand_dims(d, 3)
print(sess.run(a))
print(sess.run(tf.shape(a)), "\n")
print(sess.run(b))
print(sess.run(tf.shape(b)), "\n")
print(sess.run(c))
print(sess.run(tf.shape(c)), "\n")
print(sess.run(d))
print(sess.run(tf.shape(d)), "\n")
print(sess.run(d))
print(sess.run(tf.shape(d)), "\n")