tf.expand_dims

本文介绍TensorFlow中的tf.expand_dims函数,该函数可在指定位置插入维度为1的维度,适用于增加批量维度等场景。通过示例展示如何使用此函数,并解释其参数及返回值。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 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.
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Wanderer001

ROIAlign原理

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值