维度和axis

方如一

于 2022-07-12 20:00:05 发布

阅读量161

点赞数

分类专栏： tensorflow 文章标签：大数据

本文链接：https://blog.csdn.net/fwuyi/article/details/125746194

版权

tensorflow 专栏收录该内容

17 篇文章 1 订阅

订阅专栏

本文介绍了如何解析和理解多维数组的形状以及轴的概念。通过示例解释了如何根据shape读取数组维度，并展示了在TensorFlow中使用`tf.expand_dims`进行维度扩展的操作。内容涵盖了数组的四维向量表示，以及通过axis参数选择不同维度进行切片的技巧。

摘要由CSDN通过智能技术生成

1 如何看shape：看括号

array([[[[1., 1., 1., 1.],
         [1., 1., 1., 1.],
         [1., 1., 1., 1.]],

        [[1., 1., 1., 1.],
         [1., 1., 1., 1.],
         [1., 1., 1., 1.]]]])
#[1,2,3,4]

从[[[[可知是四维向量，第一个 [ 不看，第二个[ 括号的个数为1，第三个[ 括号的个数为2，第四个[ 括号的个数为3，括号里有四个数。故shape为[1,2,3,4]。

2如何看axis：看shape，看括号

shape = (    1,    2,     3,     4     )
             |      |     |      |
axis  =      0,     1,    2,   3==-1

a=array([[[1],
          [9],
          [5]],

         [[5],
          [7],
          [1]]])

#b=a[1,:,:] 即取axis=0的第1+1个维度
b=array([[[5],
          [7],
          [1]]])

#c=a[:,:,2] 即取axis=2的第2+1个维度
不存在

a=array([[[2, 7],
          [9, 3],
          [9, 5]],

         [[1, 9],
          [2, 9],
          [5, 5]]])

#b=a[:,:,1] 即取axis=2的第1+1个维度

b=array([[7,3,5],
         [9,9,5]])

拓展维度: tf.expand_dims()_GungnirsPledge的博客-CSDN博客_tf 扩展维度