tf.expand_dims

 参考tf.expand_dims - 云+社区 - 腾讯云

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

给定一个张量输入，这个操作在输入形状的维数索引轴上插入一个维数为1的维度。尺寸指标轴从零开始;  如果为轴指定一个负数，则从末尾向后计数。如果希望向单个元素添加批处理维度，此操作非常有用。例如，如果你有一个shape [height, width, channels]的图像，你可以用expand_dims(image, 0)将它做成一批1个图像，这将生成shape [1, height, width, channels]。别的例子:

import tensorflow as tf

# 't' is a tensor of shape [2]
t = tf.constant([1,2])
print(t.shape)
t1 = tf.expand_dims(t, 0)
print(t1.shape)
t2 = tf.expand_dims(t, 1)
print(t2.shape)
t3 = tf.expand_dims(t, 1)
print(t3.shape)


Output:
--------
(2,)
(1, 2)
(2, 1)
(2, 1)
--------

这项操作需要: 

-1-input.dims() <= dim <= input.dims()

这个操作与tf.squeeze()相反，tf.squeeze()删除了size 1的维度。

参数：

• input:  一个张量。
• axis:  0-D(标量)。指定要在其中展开输入形状的维度索引。必须在[-rank(输入)- 1,rank(输入)]范围内。
• name:  输出张量的名称。
• dim:  0-D(标量)。相当于轴，要弃用。

返回值：

• 一个与输入数据相同的张量，但它的形状增加了尺寸为1的额外维数。

可能产生的异常：

• ValueError: if both dim and axis are specified.