Python tf.compat.v1.expand_dims用法及代码示例

返回在索引 axis 处插入长度为 1 的轴的张量。 (不推荐使用的参数)

用法

tf.compat.v1.expand_dims(
    input, axis=None, name=None, dim=None
)

警告：不推荐使用某些参数：(dim)。它们将在未来的版本中被删除。更新说明：改用 axis 参数

给定一个张量 input ，此操作在 input 的形状的维度索引 axis 处插入一个长度为 1 的维度。维度索引遵循 Python 索引规则：它是从零开始的，一个负数索引它从末尾向后计数。

此操作可用于：

• 将外部"batch" 维度添加到单个元素。
• 对齐轴以进行广播。
• 将内部向量长度轴添加到标量张量。

例如：

如果您有一个形状为 [height, width, channels] 的图像：

image = tf.zeros([10,10,3])

您可以通过传递 axis=0 添加外部 batch 轴：

tf.expand_dims(image, axis=0).shape.as_list()
[1, 10, 10, 3]

新轴位置与 Python list.insert(axis, 1) 匹配：

tf.expand_dims(image, axis=1).shape.as_list()
[10, 1, 10, 3]

遵循标准 Python 索引规则，负数 axis 从末尾开始计数，因此 axis=-1 添加了最内层维度：

tf.expand_dims(image, -1).shape.as_list()
[10, 10, 3, 1]

此操作要求 axis 是 input.shape 的有效索引，遵循 Python 索引规则：

-1-tf.rank(input) <= axis <= tf.rank(input)

此操作与以下内容有关：

• tf.squeeze ，删除大小为 1 的维度。
• tf.reshape ，提供更灵活的整形能力。
• tf.sparse.expand_dims ，为 tf.SparseTensor 提供此函数