tf.squeeze()

网上有很多关于这个的解释，感觉解释的不清楚

解释：删除维度为1的张张量，举例说明，如果一个张量，shape为(100,1,1,100,3) 经过这个函数处理之后就变成了(100,100,3)

import tensorflow as tf
import numpy as np
data = np.ones((100,1,1,100,3))
x = tf.placeholder(tf.float32,[100,1,1,100,3])
y = tf.squeeze(x)
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    result = sess.run(y,feed_dict={x:data})
    print(result.shape)
    # (100, 100, 3)

import tensorflow as tf
import numpy as np
data = np.ones((100,1,1,100,3))
x = tf.placeholder(tf.float32,[100,1,1,100,3])
y = tf.squeeze(x,[1])
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    result = sess.run(y,feed_dict={x:data})
    print(result.shape)
    # (100,1,100,3)

解释一下：

tf.squeeze(input, axis=None, name=None, squeeze_dims=None)

如果加了axis 则需要指明是哪一个维度，设置哪一个，则删除哪一个，如果不设置，则默认全部删除1维度的。