tf.expand_dims（）和tf.squeeze（）的用法详解

阳光穿透心脏的1/2处 2023-10-04 13:49 27阅读 0赞

## tf.expand\_dims ##

tf.expand_dims(
        input, axis=None, name=None, dim=None
    )

给定的张量input，axis为需要在第几维度扩充，axis=0表示在原有的张量的第一维扩充，axis=1表示在原有的张量的第二维扩充，axis=-1表示在原有的张量的最后一维扩充

如果要将批次尺寸添加到单个元素，此操作很有用。例如，如果您有一个shape的图像\[height, width, channels\]，则可以用制作一批1张图像expand\_dims(image, 0)，这将使shape成为\[1, height, width, channels\]。

#### 示例： ####

**增加一个维度**

import numpy as np
    import tensorflow as tf
    from numpy import array
    
    current = np.array([
        [0, 7, 1, 2, 2],
        [1, 7, 3, 4, 3],
        [2, 7, 5, 6, 6],
        [3, 7, 7, 8, 7],
        [4, 7, 7, 8, 7],
        [5, 7, 7, 8, 7]
    ])
    
    current = array(current)
    
    current = tf.constant(current)
    points_e = tf.expand_dims(current, axis=0)#在第一维增加一维
    
    print(current)   #Tensor("Const:0", shape=(6, 5), dtype=int32)
    print(points_e)  #Tensor("ExpandDims:0", shape=(1, 6, 5), dtype=int32)
    
    with tf.Session() as sess:
        print(sess.run(current))
        print(************************)
        print(sess.run(points_e))

结果：

[[0 7 1 2 2]
     [1 7 3 4 3]
     [2 7 5 6 6]
     [3 7 7 8 7]
     [4 7 7 8 7]
     [5 7 7 8 7]]
    *************************
    [[[0 7 1 2 2]
      [1 7 3 4 3]
      [2 7 5 6 6]
      [3 7 7 8 7]
      [4 7 7 8 7]
      [5 7 7 8 7]]]    #增加了一维

#### 官方示例 shape维度 ####

# 't' is a tensor of shape [2]
    shape(expand_dims(t, 0)) ==> [1, 2]
    shape(expand_dims(t, 1)) ==> [2, 1]
    shape(expand_dims(t, -1)) ==> [2, 1]
    # 't2' is a tensor of shape [2, 3, 5]
    shape(expand_dims(t2, 0)) ==> [1, 2, 3, 5]
    shape(expand_dims(t2, 2)) ==> [2, 3, 1, 5]
    shape(expand_dims(t2, 3)) ==> [2, 3, 5, 1]

## tf.squeeze() ##

tf.squeeze(input, squeeze_dims=None, name=None)
    
    Removes dimensions of size 1 from the shape of a tensor. 
    从tensor中删除所有大小是1的维度

参数解释：

**input：**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。  
**name：**操作的名称（可选）。

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指定需要删除的维度。

**示例：**

# 't' is a tensor of shape [1, 2, 1, 3, 1, 1]
    shape(squeeze(t)) ==> [2, 3]
    Or, to remove specific size 1 dimensions:
     
    # 't' is a tensor of shape [1, 2, 1, 3, 1, 1]
    shape(squeeze(t, [2, 4])) ==> [1, 2, 3, 1]