tf.expand_dims用法详解

最新推荐文章于 2024-06-22 20:08:50 发布

卿与

最新推荐文章于 2024-06-22 20:08:50 发布

阅读量2.4k

点赞数 2

文章标签： python tensorflow

本文链接：https://blog.csdn.net/zfq17796515982/article/details/116241606

版权

本文详细介绍了TensorFlow中`expand_dims`函数的作用，如何在不同维度插入新维并展示其在图像处理和维度扩展上的实例。通过实例演示，学习者将掌握如何在张量操作中灵活运用此功能来调整数据形状。

摘要由CSDN通过智能技术生成

def expand_dims_v2(input: Any,
axis: Any,
name: Any = None) -> object
把原有的张量在指定维度上插入一维。就相当于字符串/数组的插入一样。

参数:
input – 一个输入的张量.
axis – 说明在哪个维度上插入一个维度.
name – 给扩展后的张量起一个名字.
Returns:
返回一个扩展后的张量
注意：
axis参数不给出会报错，不在[-(D+1), D]范围内也会报错。D = 输入张量的维度。

For example:

给定一个张量他的唯独是这样的[height, width, channels]:
>>> image = tf.zeros([10,10,3])
你可以在第一维度上赠加一个维度， axis=0:
>>> tf.expand_dims(image, axis=0).shape.as_list()
[1, 10, 10, 3]

你也可以一列表的形式查看扩展好张量的维度形式。
>>> tf.expand_dims(image, axis=1).shape.as_list()
[10, 1, 10, 3]

你也可以说明在倒数第一个维度上增加一个维度。
>>> tf.expand_dims(image, -1).shape.as_list()
[10, 10, 3, 1]