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.