tf.expand_dims和tf.squeeze函数简要解析

tf.expand_dims()

Function

tf.expand_dims(input, axis=None, name=None, dim=None)
在第axis位置增加一个维度

给定张量输入，此操作在输入形状的维度索引轴处插入1的尺寸。 尺寸索引轴从零开始; 如果您指定轴的负数，则从最后向后计数。

如果要将批量维度添加到单个元素，则此操作非常有用。 例如，如果您有一个单一的形状[height，width，channels]，您可以使用expand_dims（image，0）使其成为1个图像，这将使形状[1，高度，宽度，通道]。

For example:

1. # 't' is a tensor of shape [2]

2. shape(expand_dims(t, 0)) ==> [1, 2]

3. shape(expand_dims(t, 1)) ==> [2, 1]

4. shape(expand_dims(t, -1)) ==> [2, 1]

5. # 't2' is a tensor of shape [2, 3, 5]

6. shape(expand_dims(t2, 0)) ==> [1, 2, 3, 5]

7. shape(expand_dims(t2, 2)) ==> [2, 3, 1, 5]

8. shape(expand_dims(t2, 3)) ==> [2, 3, 5, 1]

Args:

输入：张量。
轴：0-D（标量）。 指定扩大输入形状的维度索引。
名称：输出名称Tensor。
dim：0-D（标量）。 等同于轴，不推荐使用。

Returns:

tf.squeeze()

Function

tf.squeeze(input, squeeze_dims=None, name=None)
从tensor中删除所有大小是1的维度

给定张量输入，此操作返回相同类型的张量，并删除所有尺寸为1的尺寸。 如果不想删除所有尺寸1尺寸，可以通过指定squeeze_dims来删除特定尺寸1尺寸。
如果不想删除所有大小是1的维度，可以通过squeeze_dims指定。

For example:

1. # 't' is a tensor of shape [1, 2, 1, 3, 1, 1]

2. shape(squeeze(t)) ==> [2, 3]

3. Or, to remove specific size 1 dimensions:

4.  

5. # 't' is a tensor of shape [1, 2, 1, 3, 1, 1]

6. shape(squeeze(t, [2, 4])) ==> [1, 2, 3, 1]

Args:

输入：张量。 输入要挤压。
squeeze_dims：可选的ints列表。 默认为[]。 如果指定，只能挤压列出的尺寸。 维度索引从0开始。挤压不是1的维度是一个错误。
名称：操作的名称（可选）。

Returns:

张量。 与输入的类型相同。 包含与输入相同的数据，但具有一个或多个删除尺寸1的维度

另外补充一点：有时候会遇到axis=-1的情况，这里指的是默认的轴，它和reshape里边的-1有相似之处，都是要电脑自动判断。