tf.expand_dims
tf.expand_dims(input, #输入tensoraxis, #要在输入的tensor的第几个维度增加1个维度name=None
)
这个函数根据axis在原本的tensor的某个维度上增加1维。
例1:
# 't' is a tensor of shape [2]
tf.shape(tf.expand_dims(t, 0)) # [1, 2]
tf.shape(tf.expand_dims(t, 1)) # [2, 1]
tf.shape(tf.expand_dims(t, -1)) # [2, 1]# 't2' is a tensor of shape [2, 3, 5]
tf.shape(tf.expand_dims(t2, 0)) # [1, 2, 3, 5]
tf.shape(tf.expand_dims(t2, 2)) # [2, 3, 1, 5]
tf.shape(tf.expand_dims(t2, 3)) # [2, 3, 5, 1]
t=array([[[1., 1.],[1., 1.],[1., 1.]],[[1., 1.],[1., 1.],[1., 1.]]])
#(2,3,2)
tf.shape(tf.expand_dims(t, 0)),在axis=0的括号处首尾对应加[ ]
array([[[[1., 1.],[1., 1.],[1., 1.]],[[1., 1.],[1., 1.],[1., 1.]]]])
#(1,2,3,2)
tf.shape(tf.expand_dims(t, 1)),在axis=1的括号处首尾对应加[ ]
t=array([[[[1., 1.],[1., 1.],[1., 1.]],[[[1., 1.],[1., 1.],[1., 1.]]])
#(2,1,3,2)
tf.shape(tf.expand_dims(t, 2)),在axis=2的括号处首尾对应加[ ] ,即在axis = -1 上加维度,那么就是每个元素加括号
t=array([[[[1.], [1.]],[[1.], [1.]],[[1.], [1.]]],[[[1.], [1.]],[[1.], [1.]],[[1.], [1.]]]])
#(2,3,2,1)
拓展维度: tf.expand_dims()_GungnirsPledge的博客-CSDN博客_tf 扩展维度
tf.expand_dims相关推荐
- tf.expand_dims()
tf.expand_dims() 转载:https://blog.csdn.net/jasonzzj/article/details/60811035 TensorFlow中,想要维度增加一维,可以使 ...
- tf.expand_dims() 的用法
tf.expand_dims() 增加张量的维度 [ ]代表维度,由外向里数维度. import tensorflow as tf t = tf.constant([1,2]) # 创建一个张量 t ...
- tf.expand_dims 来增加维度
主要是因为tflearn官方的例子总是有embeding层,去掉的话要conv1d正常工作,需要加上expand_dims network = input_data(shape=[None, 100] ...
- TensorFlow tf.expand_dims
在axis的索引中,插入大小为1的维度.维度索引从0开始,负数是从尾部开始索引. 当有一个图像的数据[height,width,channels],可以使用expand_dims(image,0),将 ...
- tensorflow常用数据函数总结(tf.tile()、tf.expand_dims())
tf.tile() tensorflow中的tile()函数是用来对张量(Tensor)进行扩展的,其特点是对当前张量内的数据进行一定规则的复制.最终的输出张量维度不变.也就是说tile可以某一维度的 ...
- tf.expand_dims()和tf.squeeze()的用法详解
tf.expand_dims tf.expand_dims(input, axis=None, name=None, dim=None ) 给定的张量input,axis为需要在第几维度扩充,axis ...
- tf.expand_dims和tf.squeeze函数
tf.expand_dims() Function tf.expand_dims(input, axis=None, name=None, dim=None) Inserts a dimension ...
- 深度学习原理与框架-CNN在文本分类的应用 1.tf.nn.embedding_lookup(根据索引数据从数据中取出数据) 2.saver.restore(加载sess参数)...
1. tf.nn.embedding_lookup(W, X) W的维度为[len(vocabulary_list), 128], X的维度为[?, 8],组合后的维度为[?, 8, 128] 代码说 ...
- 通俗易懂!使用Excel和TF实现Transformer
作者 | 石晓文 转载自小小挖掘机(ID:wAIsjwj) 本文旨在通过最通俗易懂的过程来详解Transformer的每个步骤! 假设我们在做一个从中文翻译到英文的过程,我们的词表很简单如下: 中文词 ...
最新文章
- 2022-2028年中国DMF行业市场研究及前瞻分析报告
- 使用ASP.NET2.0显示照片
- html复选框多行排列布局
- java图形界面GUI编程
- WEB前端:浏览器(IE+Chrome+Firefox)常见兼容问题处理【03】
- LeetCode 96不同的二叉搜索树95不同的二叉搜索树Ⅱ
- SAP UI5 应用开发教程之五:视图控制器初探
- Linux 下 新增Oracle10g 实例
- 分表后需要注意的二三事
- 0414-复利计算再升级
- SurfaceGo配置轻量级LaTeX写作环境(MiKTeX)
- iPhone 14系列将采用打孔屏:Face ID等元件或置屏幕下
- 蓝桥ROS机器人之turtlesim贪吃蛇
- cassandra vs. voldemort
- python比较重要的模块_python中重要的模块--asyncio 转载
- 短信验证码接口测试案例
- Oracle账户被锁定解决方法
- LeetCode:911. 在线选举————中等
- Oracle查询CLOB类型字段的内容:
- 自动驾驶之点云与图像融合综述
热门文章
- QWidget/QToolBar::addAction的设计真是绝妙
- 【32最小系统板】pid循迹小车(铁丝循迹)
- 水星无线网dns服务器是什么,水星(mercury)路由器上网方式选哪一个?
- 万字干货!核心用户获取和运营策略
- 如何选择终端桌面管理软件?
- 东北大学计算机实验班,东北大学理科试验班
- 我又被当当骗了!!!
- 多任务-协程(01-迭代器)
- c11计算机考试,2015年计算机二级考试C++备考练习试题及答案(6)
- 计算机知识竞赛活动工作总结,知识竞赛活动工作总结