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tensor复制n份。(下面举几个例子)

x = tf.Variable([1, 2, 3])   # shape = (3,)
y = tf.Variable([[2, 2, 2], [1, 1, 1]])  # shape = (2,3)
z = tf.Variable([[[2, 2, 2]]]) # shape = (1,1,3)

# 在第一dim复制3次
x_1 = tf.tile(x, multiples=[3])  # shape=(9,)
# 在第一dim复制6次，第二dim复制2次
y_1 = tf.tile(y, multiples=[3, 2])  # shape=(6,6)
# 仅在第二dim复制4次
z_1 = tf.tile(z, multiples=[1, 4, 1]) # shape=(1,4,3)

从上面不难看出，tf.tile()还是非常灵活，最主要是要确定multiples这个列表的长度，如果tensor有几维那么multiples长度该为几，multiples[i]对应tensor第i维应该应该复制多少倍。

tf.expand_dims()

tf.expand_dims()是用来增加tensor的维度，拿官方给出的参考文档来说

# '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代表具体tensor,后面一个参数表示要在当前的哪一个dim位置添加一维tensor.