Python3 Tensorlfow:增加或者減小矩陣維度的實現
1.增加維度
下面給出兩個樣例
樣例1：
[1,2,3] ==> [[1],[2],[3]]
import tensorflow as tf
a = tf.constant([1,3])
b = tf.expand_dims(a,1)
with tf.Session() as sess:
a_,b_ = sess.run([a,b])
print('a:')
print(a_)
print('b:')
print(b_)
輸出結果
a: [1 2 3] b: [[1] [2] [3]]
樣例2:
[1,3] ==> [[1,3]]
import tensorflow as tf
a = tf.constant([1,0)
with tf.Session() as sess:
a_,b])
print('a:')
print(a_)
print('b:')
print(b_)
輸出結果：
a: [1 2 3] b: [[1 2 3]]
2.降低維度
樣例1：
[[1,3]] ==> [1,3]
import tensorflow as tf
a = tf.constant([[1,3]])
b = tf.squeeze(a)
with tf.Session() as sess:
a_,b])
print('a:')
print(a_)
print('b:')
print(b_)
輸出結果
a: [[1 2 3]] b: [1 2 3]
樣例2：
[[1],[3]] ==> [[1,3]
import tensorflow as tf
a = tf.constant([[1],[3]])
b = tf.squeeze(a,b])
print('a:')
print(a_)
print('b:')
print(b_)
補充知識：pytorch中squeeze()、unsqueeze(),以及一些高維陣列操作
博主最近閱讀YOLO底層程式碼，Torch中對多陣列矩陣有很多高維操作，看過一邊之後，記錄一下，以防忘記。
torch.squeeze()
功能：取消為1的維度
squeeze(input,dim=None,out=None) -> Tensor
這裡一般分不清dim的意思
舉個例子：
input=(A ， 1 ， B ， C ，1 ， D) squeeze(input)=(A，B，C，D) input= （A,1,B）
squeeze(input,0)=(A,B) 不會改變 squeeze(input,1)=(A,B) 會改變
這裡0,1 ，2就分別代表 A， 1,B
torch.unsqueeze()
unsqueeze(input,dim,out=None) -> Tensor
功能： 在某一位置插入一維
這裡面也是dim這個引數比較難理解
dim的取值是[- input.dim()-1,imput.dim()]
給定一個dim
input=(A ， B ， C ， D)
input的維度input_dim為4,dim的取值[-5,4]
unsqueeze(input,0)=(1,A ， B ， C ， D) unsqueeze(input,1)=(A ， 1,B ， C ， D) unsqueeze(input,-5)=(1,A ， B ， C ， D)
看一個簡單用例，size表示維度大小，10是取值範圍，a=[：，：，：，4]表示取a最後一維的第四個元素（從0開始第四個），即取[0,3],[5,6,1],[0,8],[…],判斷大於5為true，否則為false。
注意：b的維度比a少了一維。
繼續上一步，這裡使用unsqueeze函式將b的維度擴充套件一維[2,3]------>[2,3,1] 這時b的最後一維只有一個元素， .expand_as將最後最後的元素擴充套件到a最後一維的個數
a[c] 表示取出為True的所有行在a中的元素
以上這篇Python3 Tensorlfow:增加或者減小矩陣維度的實現就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。