Python tf.sparse.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。

用法

tf.sparse.expand_dims(
    sp_input, axis=None, name=None
)

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, depth] 的稀疏张量：

sp = tf.sparse.SparseTensor(indices=[[3,4,1]], values=[7,],
                            dense_shape=[10,10,3])

您可以通过传递 axis=0 添加外部 batch 轴：

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

新轴位置与 Python list.insert(axis, 1) 匹配：

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

遵循标准的 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.sparse.expand_dims(sp, axis=-1).shape.as_list()
[10, 10, 3, 1]

注意：与 tf.expand_dims 不同，此函数包含 axis 的默认值：-1。因此，如果未指定 `axis，则添加内部维度。

sp.shape.as_list()
[10, 10, 3]
tf.sparse.expand_dims(sp).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.expand_dims ，它为密集张量提供此函数。
• tf.squeeze ，从密集张量中删除大小为 1 的维度。
• tf.sparse.reshape ，提供更灵活的整形能力。