溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要為大家展示了在TensorFlow中如何實現矩陣維度擴展，內容簡而易懂，希望大家可以學習一下，學習完之后肯定會有收獲的，下面讓小編帶大家一起來看看吧。
一般TensorFlow中擴展維度可以使用tf.expand_dims()。近來發現另一種可以直接運用取數據操作符[]就能擴展維度的方法。
用法很簡單，在要擴展的維度上加上tf.newaxis就行了。
foo = tf.constant([[1,2,3], [4,5,6], [7,8,9]]) print(foo[tf.newaxis, :, :].eval()) # => [[[1,2,3], [4,5,6], [7,8,9]]] print(foo[:, tf.newaxis, :].eval()) # => [[[1,2,3]], [[4,5,6]], [[7,8,9]]] print(foo[:, :, tf.newaxis].eval()) # => [[[1],[2],[3]], [[4],[5],[6]],[[7],[8],[9]]]
參考：
https://tensorflow.google.cn/api_docs/python/tf/Tensor?hl=en#__getitem__
補充知識：tensorflow 利用expand_dims和squeeze擴展和壓縮tensor維度
在利用tensorflow進行文本挖掘工作的時候，經常涉及到維度擴展和壓縮工作。比如對文本進行embedding操作完成之后，若要進行卷積操作，就需要對embedded的向量擴展維度，將[batch_size, embedding_dims]擴展成為[batch_size, embedding_dims, 1]，利用tf.expand_dims(input, -1)就可實現，反過來用squeeze(input, -1)或者tf.squeeze（input）也可以把最第三維去掉。
tf.expand_dims()
tf.squeeze()
tf.expand_dims()
tf.expand_dims(input, axis=None, name=None, dim=None)
在第axis位置增加一個維度.
給定張量輸入，此操作在輸入形狀的維度索引軸處插入1的尺寸。 尺寸索引軸從零開始; 如果您指定軸的負數，則從最后向后計數。
如果要將批量維度添加到單個元素，則此操作非常有用。 例如，如果您有一個單一的形狀[height，width，channels]，您可以使用expand_dims（image，0）使其成為1個圖像，這將使形狀[1，高度，寬度，通道]。
例子
# 't' is a tensor of shape [2] shape(expand_dims(t, 0)) ==> [1, 2] shape(expand_dims(t, 1)) ==> [2, 1] shape(expand_dims(t, -1)) ==> [2, 1] # 't2' is a tensor of shape [2, 3, 5] shape(expand_dims(t2, 0)) ==> [1, 2, 3, 5] shape(expand_dims(t2, 2)) ==> [2, 3, 1, 5] shape(expand_dims(t2, 3)) ==> [2, 3, 5, 1]
tf.squeeze()
tf.squeeze(input, axis=None, name=None, squeeze_dims=None)
直接上例子
# 't' is a tensor of shape [1, 2, 1, 3, 1, 1] shape(squeeze(t)) ==> [2, 3] # 't' is a tensor of shape [1, 2, 1, 3, 1, 1] shape(squeeze(t, [2, 4])) ==> [1, 2, 3, 1]
以上就是關于在TensorFlow中如何實現矩陣維度擴展的內容，如果你們有學習到知識或者技能，可以把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
