快捷導(dǎo)航

在TensorFlow中實現(xiàn)矩陣維度擴(kuò)展

更新時間：2020年05月22日 11:27:55 作者：史丹利復(fù)合田

這篇文章主要介紹了在TensorFlow中實現(xiàn)矩陣維度擴(kuò)展方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

一般TensorFlow中擴(kuò)展維度可以使用tf.expand_dims()。近來發(fā)現(xiàn)另一種可以直接運(yùn)用取數(shù)據(jù)操作符[]就能擴(kuò)展維度的方法。

用法很簡單，在要擴(kuò)展的維度上加上tf.newaxis就行了。

foo = tf.constant([[1,2,3], [4,5,6], [7,8,9]])
print(foo[tf.newaxis, :, :].eval()) # => [[[1,2,3], [4,5,6], [7,8,9]]]
print(foo[:, tf.newaxis, :].eval()) # => [[[1,2,3]], [[4,5,6]], [[7,8,9]]]
print(foo[:, :, tf.newaxis].eval()) # => [[[1],[2],[3]], [[4],[5],[6]],[[7],[8],[9]]]

參考：

https://tensorflow.google.cn/api_docs/python/tf/Tensor?hl=en#__getitem__

補(bǔ)充知識：tensorflow 利用expand_dims和squeeze擴(kuò)展和壓縮tensor維度

在利用tensorflow進(jìn)行文本挖掘工作的時候，經(jīng)常涉及到維度擴(kuò)展和壓縮工作。比如對文本進(jìn)行embedding操作完成之后，若要進(jìn)行卷積操作，就需要對embedded的向量擴(kuò)展維度，將[batch_size, embedding_dims]擴(kuò)展成為[batch_size, embedding_dims, 1]，利用tf.expand_dims(input, -1)就可實現(xiàn)，反過來用squeeze(input, -1)或者tf.squeeze（input）也可以把最第三維去掉。

tf.expand_dims()
tf.squeeze()

tf.expand_dims()

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

在第axis位置增加一個維度.

給定張量輸入，此操作在輸入形狀的維度索引軸處插入1的尺寸。尺寸索引軸從零開始; 如果您指定軸的負(fù)數(shù)，則從最后向后計數(shù)。

如果要將批量維度添加到單個元素，則此操作非常有用。例如，如果您有一個單一的形狀[height，width，channels]，您可以使用expand_dims（image，0）使其成為1個圖像，這將使形狀[1，高度，寬度，通道]。

例子

# '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, axis=None, name=None, squeeze_dims=None)

直接上例子

# 't' is a tensor of shape [1, 2, 1, 3, 1, 1]
 shape(squeeze(t)) ==> [2, 3]
# 't' is a tensor of shape [1, 2, 1, 3, 1, 1]
 shape(squeeze(t, [2, 4])) ==> [1, 2, 3, 1]

以上這篇在TensorFlow中實現(xiàn)矩陣維度擴(kuò)展就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: