tf.expand_dims()和tf.squeeze()

posted @ 2019-12-25 11:20 nxf_rabbit75 阅读(981) 评论(0) 编辑收藏举报

分类: TensorFlow

undefined

1.tf.`expand_dims()`

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

作用：给定张量，输入形状的维度索引轴处插入1的尺寸。尺寸索引轴从零开始；如果为指定的轴为负数，则从末尾开始算起。

参数：

input：张量。
aixs：0-D（标量），指定扩大输入形状的维度索引。
name：输出名称Tensor。
dim：0-D（标量），等同于轴，不推荐使用。

返回：具有与输入相同数据的张量，但其形状添加了尺寸为1的附加尺寸。

　　如果要将批次尺寸添加到单个元素，此操作很有用。例如，如果您有一个形状为[[height，width，channels]`的图像，则可以将其与具有`expand_dims（image，0）`的1张图像一起批处理，这将使形状为[1，height ，width，channels]。

# 't' is a tensor of shape [2]
tf.shape(tf.expand_dims(t, 0))  # [1, 2]
tf.shape(tf.expand_dims(t, 1))  # [2, 1]
tf.shape(tf.expand_dims(t, -1))  # [2, 1]
 
# 't2' is a tensor of shape [2, 3, 5]
tf.shape(tf.expand_dims(t2, 0))  # [1, 2, 3, 5]
tf.shape(tf.expand_dims(t2, 2))  # [2, 3, 1, 5]
tf.shape(tf.expand_dims(t2, 3))  # [2, 3, 5, 1]
```
 
This operation requires that:
 
`-1-input.dims() <= dim <= input.dims()`
 
This operation is related to `squeeze()`, which removes dimensions of
size 1.
 
Args:
  input: A `Tensor`.
  axis: 0-D (scalar). Specifies the dimension index at which to
    expand the shape of `input`. Must be in the range
    `[-rank(input) - 1, rank(input)]`.
  name: The name of the output `Tensor`.
  dim: 0-D (scalar). Equivalent to `axis`, to be deprecated.
 
Returns:
  A `Tensor` with the same data as `input`, but its shape has an additional
  dimension of size 1 added.
 
Raises:
  ValueError: if both `dim` and `axis` are specified.

bert中源码：

# 该函数默认输入的形状为【batch_size, seq_length, input_num】
# 如果输入为2D的【batch_size, seq_length】，则扩展到【batch_size, seq_length, 1】
if input_ids.shape.ndims == 2:
  input_ids = tf.expand_dims(input_ids, axis=[-1])

2.tf.squeeze()

1	`tf.squeeze(input, squeeze_dims=None, name=None)`

作用：给定张量输入，此操作返回相同类型的张量，并删除所有尺寸为1的维度。如果不想删除所有尺寸为1的维度，可以通过指定squeeze_dims来删除特定尺寸的维度。
参数：

input：要挤压的张量
squeeze_dims：
1. 可选的ints列表，默认为[]。
2. 如果指定，只能挤压列出的维度。
3. 维度索引从0开始，挤压不是1的维度是一个错误
name：操作的名称（可选）

返回：与输入的类型相同。包含与输入相同的数据，但具有一个或多个尺寸为1的维度被删除。

举例：

import tensorflow as tf
sess = tf.InteractiveSession()
t1 = tf.constant([1,2,3,4,5,6],shape=[1,2,3,1])
print('t1')
print(t1.eval())
t2 = tf.squeeze(t1)
print('t2')
print(t2.eval())
t3 = tf.squeeze(t1,[3])
print('t3')
print(t3.eval())