tf.squeeze()详解

最新推荐文章于 2023-06-02 21:08:16 发布
转载 最新推荐文章于 2023-06-02 21:08:16 发布 · 1.7k 阅读 · 3 ·
CC 4.0 BY-SA版权
原文链接：https://www.jianshu.com/p/a21c0bc10a38
文章标签：

#tensorflow

本文介绍了TensorFlow中squeeze函数的使用，该函数用于移除张量中维度为1的部分。错误示例展示了当指定维度不为1时会抛出ValueError。示例展示了如何指定和不指定删除的维度，以及操作后的张量形状。
部署运行你感兴趣的模型镜像 
squeeze(
    input,
    axis=None,
    name=None,
    squeeze_dims=None
)

该函数返回一个张量，这个张量是将原始input中所有维度为1的那些维都删掉的结果
axis可以用来指定要删掉的为1的维度，此处要注意指定的维度必须确保其是1，否则会报错 

>>>y = tf.squeeze(inputs, [0, 1], name='squeeze')
>>>ValueError: Can not squeeze dim[0], expected a dimension of 1, got 32 for 'squeeze' (op: 'Squeeze') with input shapes: [32,1,1,3].

 

#  't' 是一个维度是[1, 2, 1, 3, 1, 1]的张量
tf.shape(tf.squeeze(t))   # [2, 3]， 默认删除所有为1的维度

# 't' 是一个维度[1, 2, 1, 3, 1, 1]的张量
tf.shape(tf.squeeze(t, [2, 4]))  # [1, 2, 3, 1]，标号从零开始，只删掉了2和4维的1

转载自：https://www.jianshu.com/p/a21c0bc10a38 

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

tf第四讲：tf中的循环tf.while_loop，条件tf.cond，比较、数学运算、类型转换
weixin_43178406的博客
08-21 1万+
本文主要介绍了tf第四讲：tf中的循环tf.while_loop，条件tf.cond，比较、数学运算、类型转换，希望能对学习TensorFlow的同学有所帮助。 文章目录 1. tensorflow中的比较函数与类型转换 2. tensorflow中的数学运算 2.1 常用数学运算 2.2 更改tensor的shape 2.3 矩阵数学函数 2.4 reduce相关函数 3. tensorflow如何使用条件句:tf.cond 4. tf中如何使用循环
TF中使用softmax函数；
phacpf123
08-10 930
tf.nn.softmax()
tf.squeeze()函数
JUstice_cs的博客
06-02 1061
本文所有内容摘自TensorFlow官方文档，仅用于自主学习使用。
tf.squeeze
lonelykid96的博客
10-31 361
tf.squeeze(input, axis=None, name=None, squeeze_dims=None) 从张量形状中移除大小为1的维度。 给定一个张量 input，该操作返回相同类型的张量，并删除所有维度为1的维度。如果不想删除所有大小为1的维度，则可以通过指定 axis 来删除特定的大小为1的维度。 参数： input 需要压缩的张量 axis（可选） 一个可选列表...
解释以下代码的算法import tensorflow as tf # 生成四个张量 x = tf.constant([1, 2, 6], dtype=tf.float32) y = tf.constant([1, 2, 1], dtype=tf.float32) a = tf.constant([1, 2, 1], dtype=tf.float32) b = tf.constant([1, 2, 6], dtype=tf.float32) elementwise_mul = tf.multiply(x, y) a_reshaped = tf.reshape(a, (3, 1)) b_reshaped = tf.reshape(b, (1, 3)) matrix_mul1 = tf.matmul(a_reshaped, b_reshaped) matrix_mul2 = tf.matmul(b_reshaped, a_reshaped) print("x:", x) print("y:", y) print("a:", a) print("b:", b) print("对应元素相乘 (x * y):", elementwise_mul) print(" ") print("矩阵相乘 (a x b):", matrix_mul1) print(" ") print("矩阵相乘 (b x a):", matrix_mul2)
最新发布
10-25
s = tf.squeeze(a) # 移除长度1的维度 d = tf.expand_dims(s,axis=0) # 增加维度[^5] ``` - **squeeze算法**：检测并移除所有大小为1的维度 - **expand_dims算法**：在指定轴插入新维度$d_i=1$ --- ### 算法性能...
从头实现一个深度学习的对话系统--tf.contrib.seq2seq API介绍
呜呜哈的博客
01-12 7921
这篇文章就简单从源码的角度上分析一下tf.contrib.seq2seq下提供的API，首先来讲这个文件夹下面的几个文件和函数上篇文章中都已经提到而且介绍了他们之间的关系和如何使用，如果对源码不感兴趣就不用看下去了~~ BasicDecoder和dynamic_decode 为了简单起见，从decode的入口dynamic_deocde函数开始分析： dynamic_deco
TypeError: Only integers, slices (`:`), ellipsis (`...`), tf.newaxis (`None`) and scalar tf.int32/tf.int64 tensors are valid indices, got array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41])
04-18
| 高维索引张量 | `print(index_tensor.shape)` | `tf.squeeze`降维处理 | | 布尔掩码直接使用 | 错误消息含`bool`关键词 | `tf.where`转换 | | 动态形状导致类型变化 | 使用`tf.print`调试输出 | 添加显式类型断言 ...
tf.expand_dims和tf.squeeze函数
热门推荐
zhanggf的博客
05-16 8万+
tf.expand_dims() Function tf.expand_dims(input, axis=None, name=None, dim=None) Inserts a dimension of 1 into a tensor’s shape.  在第axis位置增加一个维度 Given a tensor input, this operation insert
tf.squeeze函数
you_er_yuan_da_lao的博客
05-20 817
import numpy as np import tensorflow as tf ''' 移除张量形状中大小为1的维度 ''' x = np.array([[[[2], [1]]]]) print(x.shape) #(1, 1, 2, 1) x0 = tf.squeeze(x, axis =0) print(x0.shape) #(1, 2, 1) x1 = tf.squeez...
理解tf.squeeze()
u013049912的博客
06-20 578
https://www.jianshu.com/p/a21c0bc10a38
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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