Python tf.sparse.expand_dims用法及代碼示例

返回在索引 axis 處插入長度為 1 的軸的張量。

用法

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

給定一個張量 input ，此操作在 input 的形狀的維度索引 axis 處插入一個長度為 1 的維度。維度索引遵循python索引規則：它是從零開始的，一個負數索引它從末尾向後計數。

此操作可用於：

• 將外部"batch" 維度添加到單個元素。
• 對齊軸以進行廣播。
• 將內部向量長度軸添加到標量張量。

例如：

如果您有一個形狀為 [height, width, depth] 的稀疏張量：

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

您可以通過傳遞 axis=0 添加外部 batch 軸：

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

新軸位置與 Python list.insert(axis, 1) 匹配：

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

遵循標準的 Python 索引規則，負數 axis 從末尾開始計數，因此 axis=-1 添加了最內層維度：

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

注意：與 tf.expand_dims 不同，此函數包含 axis 的默認值：-1。因此，如果未指定 `axis，則添加內部維度。

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 索引規則：

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

此操作與以下內容有關：

• tf.expand_dims ，它為密集張量提供此函數。
• tf.squeeze ，從密集張量中刪除大小為 1 的維度。
• tf.sparse.reshape ，提供更靈活的整形能力。