tensorflow | 维度转换

最新推荐文章于 2025-10-27 19:45:01 发布
原创 最新推荐文章于 2025-10-27 19:45:01 发布 · 7.7k 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#tensorflow

这篇博客详细介绍了在TensorFlow中进行维度操作的方法，包括计算维度的shape、计算元素个数的size、计算秩的rank、如何使用reshape进行数据重塑，以及squeeze和expand_dims的功能。虽然squeeze和expand_dims部分的内容尚未完善，但已有的内容提供了丰富的实践案例。

学习维度转换

shape 计算维度

tf.shape(input,name = None)

案例1

a = tf.constant([i for i in range(20)],shape =[2,2,5])
with tf.Session() as sess:
    print (sess.run(tf.shape(a)))

结果：[2 2 5]

size 计算元素个数

tf.size(input,name =
最低0.47元/天 解锁文章
tensorflow2.0基本操作四维度变换
优快云XXCQ的博客
04-29 312
import os import tensorflow as tf #[A,B,C,D]A轴一般被理解为batch，B轴被理解为row/weight，C被理解为width/column，D被理解为channel(颜色通道) #[b,h,w,c]四位的数据一般是这个含义 #视图 #[b,28,28] a = tf.random.normal([4,28,28,3]) #print(a.shape,a.ndim) b = tf.reshape(a,[4,784,3]).shape#利用矩阵的运算原
深度学习自学记录（1）——Tensor的维度理解（参数axis）
qq_40784418的博客
04-08 3224
** 深度学习自学记录——Tensor的维度理解（axis） ** 本人小白自学深度学习时，涉及到矩阵和数组的计算常常出现参数axis，一直搞不懂矩阵和数组中axis参数的含义，参考了大佬的博客在这里记录一下自己的理解，毕竟好记性不如烂笔头。 张量（tensor） 首先了解一下什么是张量，它可以看作是向量和矩阵的自然推广。0维张量表示的是一个数（点），1维张量表示的是一个向量（线），2维张量是一个...
TensorFlow笔记 Tensor的维度变换
weixin_43826681的博客
08-15 289
变换 reshape 转置 transpose
PyTorch 中 Tensor 交换维度（transpose、permute、view）详解
最新发布
经天纬地，格物致理
10-27 1349
很多时候，我们需要对张量的维度（dimension）进行 交换、调整或重新排列。PyTorch 提供了多种方式实现这一点，比如：tensor.t()、tensor.transpose()、tensor.permute()、tensor.view()、tensor.reshape()、本文将系统讲解这些操作的原理、区别与常见用法。
TensorFlow2.0:维度变换
meijie2018_1的博客
08-13 1112
** 一 reshape函数 重排列 ** In [1]: import tensorflow as tf In [2]: a = tf.random.normal([4,28,28,3],mean=1,stddev=1) In [3]: a.shap...
Tensorflow（四） —— Tensor的维度变换
Cyrus_May的博客
04-06 1705
Tensorflow（四） —— 维度变换1 维度变化主要方式2 reshape3 reshape is flexible4 tf.transpose(转置)5 pytorch 和 tensorflow数据互通实例6 expand_dims 增加维度7 squeeze 删除某个位数为1的轴 1 维度变化主要方式 1、shape ndim 2、reshape 3、expand_dims squeeze 4、transpose 5、broadcast_to 2 reshape a = tf.rando
tensor维度
weixin_43889416的博客
01-05 178
tensor维度 a = torch.tensor([1,0,0]) print(len(a)) b = a.unsqueeze(0) print(len(b)) print(b)
Tensorflow 维度变换
zzj的博客
12-06 1987
在神经网络运算过程中，维度变换是最核心的张量操作，通过维度变换可以将数据任意地切换形式，满足不同的运算需求。算法的每个模块对于数据张量的格式有不同的逻辑要求，当现有的数据格式不满足算法要求时，需要通过维度变换将数据调整为正确的格式，这就是维度变换的功能。基本的维度变换操作函数包含改变视图reshape、插入新维度expand_dims、删除维度squeeze、交换维度transpose、复制数据tile等函数。
TensorFlow | 实现mnist手写数字识别
weixin_52390875的博客
10-15 1824
这段代码构建了一个典型的卷积神经网络，适合处理图像数据，通过卷积层和池化层提取特征，最终通过全连接层进行分类。使用ReLU激活函数可以加快训练速度，同时保持较好的泛化能力。通过调用，设置了模型训练时的基本参数。这些配置将直接影响模型的训练效果和收敛速度。选择合适的优化器、损失函数和评估指标是成功训练深度学习模型的重要步骤。确保这些配置适合具体任务的特点，能够提升模型的性能通过调用方法，开始了模型的训练过程。
TensorFlow Lite维度
06-12
在 TensorFlow Lite 中，维度处理主要涉及模型输入输出张量的形状定义、动态形状支持以及优化转换工具对模型维度的调整。 #### 1. 输入输出张量的形状定义 TensorFlow Lite 模型中的输入和输出张量需要明确指定其...
Tensorflow | MNIST手写字识别
求知：数据科学家之路
01-15 5479
这次对最近学习tensorflow的总结，以理解MNIST手写字识别案例为例来说明 原始的网址：https://www.tensorflow.org/versions/r0.12/tutorials/mnist/beginners/index.html#mnist-for-ml-beginners0、数据解释数据为图片，每个图片是28像素*28像素，带有标签，类似于X和Y，X为28像素*28像素的数
Tensor维度变换
weixin_36628778的博客
01-17 1331
Tensor维度变换 有点意思 1 view/reshape 先来个4维tensor，实际意义是一个4张图片，通道一个，就是灰度图片，然后长宽都是28的图片 它的shape这个样子 这个直接给怼成了2维的，一个 4 x 784 reshape和view一个功能 其实完全随意可以升降维，但是要还原的话，shape的顺序要对，不然就不是原来的数据， 看看c和d就明白了 还有最好是用这种，si...
tensor的维度操作
daxiawudi的博客
06-09 437
pytorch tensor维度操作
Tensorflow中的tensor的维度(dim=0、dim=1)理解
热门推荐
凝眸伏笔的博客
09-15 1万+
1.tensor的维度理解 通过tf.rank()函数可以查看tensor的维度。先看一个例子： import tensorflow as tf a = tf.constant(6) #常量-dim=0 b = tf.constant([3, 3]) #数组-dim=1 c = tf.constant([[6, 3]]) #矩阵-dim=2 d = tf.constant([[[2, 2]]]) #矩阵-dim=3可以想象为空间坐标系 xyz三个轴 sess = tf.Session() #启动图.
张量tensor的维度，形状
weixin_42436099的博客
10-12 1139
tensor的维度，形状 维度是几： 看左边的中括号[，有几个就是几维。 形状： 先看左边第一个中括号[中有几个元素（广义）被逗号隔开，有n1个则这个张量形状的第一个元素就是n1； 再看左边第二个中括号[中有几个元素（广义）被逗号隔开，有n2个则这个张量的形状第二个元素就是n2； n3 n4 … 例如：四维的tensor，形状为（n1,n2,n3,n4） ...
张量(tensor)与向量(vector)的维度
Zssss12的博客
02-13 5530
如果我给出一个元组(7,8,9)，凭借我们的数学直觉，我们一眼就看出他是一个向量，代表着在三维空间中的一个有向线段，但是如果我给出的是一个数组a=[7,-8,9],这显然是一个长度等于3的数组，因为我们想声明这个数组时肯定是先int arr[3] = {7,-8,9};//C,这显然是一个一维度数组,那么它到底是几维的？如果你对这个问题产生了疑惑，本文可能会提供一些帮助。
Tensorlfow:增加或者减小矩阵维度（Python3）
huplion的专栏
04-26 7073
1.增加维度 下面给出两个样例 样例1： [1, 2, 3] ==> [[1],[2],[3]] import tensorflow as tf a = tf.constant([1, 2, 3]) b = tf.expand_dims(a,1) with tf.Session() as sess: a_, b_ = sess.run([a, b]) pr...
TensorFlow2-基础（五）：Tensor的维度变换【改变：reshape（view级别）、transpose（content级别）】【增加（expand_dims）、删除（squeeze）】
u013250861的博客
04-16 3678
tensorFlow维度变换可分为两个级别，一个是view级，一个是content级。 view级维度变换：不改变数据的存储关系，比如[3,28,28,3]变换维度为[3,784,3]之后，数据本身并没有改变，属于哪一行哪一列的元素还是可以确定，可以原模原样的恢复为[3,28,28,3]。 content级维度变换：会改变数据的存储关系。content有“目录”的意思，即索引关系，通过[3,28,28,3]这样的索引号能够找到一个元素。当content被改变时，意味着元素之间的索引关系变了。例如[3,28
Pytorch——tensor维度变换
橙子的博客
04-12 6763
1、常用的api （1）View/reshape 可以将一个shape转变成任意一个shape （2）Squeeze/unsqueeze 挤压与增加维度 （3）Transpose/t/permute （矩阵的传置） 单次的交换操作和多次的交换操作 （4）Expand/repeat 维度的扩展 我们可以把维度小的变成高维度的 2、view 和reshape 这两个基本是一摸一样的，区别在于pytorch0.3中默认的是view函数； a=troch.rand(4,1,28,28) #使用ran
评论
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