TensorFlow中利用expand_dims和squeeze扩展和压缩Tensor维度

扩展维度：tf.expand_dims

tf.expand_dims 函数用于在输入张量的指定轴（axis）位置插入一个尺寸为 1 的新维度。该操作不会改变原有数据的值，仅改变其形状（shape）。

函数签名

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

参数说明

• input: 输入的张量。
• axis: 指定插入新维度的位置。索引从零开始计数；若指定负数，则从最后向前计数。
• name: 操作的名称（可选）。
• dim: 等同于 axis，用于向后兼容。

使用示例

假设有一个形状为 [2] 的张量 t：

# '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]

对于形状为 [2, 3, 5] 的张量 t2：

# '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]

在实际应用中，若要将图像数据 [height, width, channels] 扩展以添加批量维度，可使用 expand_dims(image, 0)，结果形状变为 [1, height, width, channels]。

压缩维度：tf.squeeze

tf.squeeze 函数用于移除张量中所有尺寸为 1 的维度，或者仅移除指定轴上的尺寸为 1 的维度。这常用于将扩展后的张量恢复为原始形状，或去除不必要的批量维度。

函数签名

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

参数说明

• input: 输入的张量。
• axis: 可选参数，指定要移除的维度索引。若未指定，则移除所有尺寸为 1 的维度。
• name: 操作的名称（可选）。
• squeeze_dims: 等同于 axis，用于向后兼容。

使用示例

假设有一个形状为 [1, 2, 1, 3, 1, 1] 的张量 t：

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

若只想移除特定轴（如第 2 和第 4 轴）上的维度：

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

此外，tf.squeeze(input) 不带 axis 参数时，会移除最外层及所有尺寸为 1 的维度。若需去掉第三维，可使用 squeeze(input, -1)。

总结

在 TensorFlow 中，expand_dims 和 squeeze 是处理张量形状的两个基础且重要的工具。通过灵活指定 axis 参数，可以精确控制维度的增加与移除，从而满足各种模型架构对输入数据形状的要求。掌握这两个函数的用法，有助于更高效地进行数据预处理和模型构建。

以上就是TensorFlow利用expand_dims和squeeze扩展和压缩Tensor维度方式的详细内容，更多关于TensorFlow维度操作的技术资料请关注本站其它相关文章！