1.增加维度
下面给出两个样例
样例1:
1 2 3 4 5 6 7 8 9 10 11 12 13 | [ 1 , 2 , 3 ] = = > [[ 1 ],[ 2 ],[ 3 ]] import tensorflow as tf a = tf.constant([ 1 , 2 , 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_) |
输出结果
1 2 3 4 5 6 | a: [ 1 2 3 ] b: [[ 1 ] [ 2 ] [ 3 ]] |
样例2:
1 2 3 4 5 6 7 8 9 10 11 12 13 | [ 1 , 2 , 3 ] = = > [[ 1 , 2 , 3 ]] import tensorflow as tf a = tf.constant([ 1 , 2 , 3 ]) b = tf.expand_dims(a, 0 ) with tf.Session() as sess: a_, b_ = sess.run([a, b]) print ( 'a:' ) print (a_) print ( 'b:' ) print (b_) |
输出结果:
1 2 3 4 | a: [ 1 2 3 ] b: [[ 1 2 3 ]] |
2.降低维度
样例1:
1 2 3 4 5 6 7 8 9 10 11 12 13 | [[ 1 , 2 , 3 ]] = = > [ 1 , 2 , 3 ] import tensorflow as tf a = tf.constant([[ 1 , 2 , 3 ]]) b = tf.squeeze(a) with tf.Session() as sess: a_, b_ = sess.run([a, b]) print ( 'a:' ) print (a_) print ( 'b:' ) print (b_) |
输出结果
1 2 3 4 | a: [[ 1 2 3 ]] b: [ 1 2 3 ] |
样例2:
1 2 3 4 5 6 7 8 9 10 11 12 13 | [[ 1 ], [ 2 ], [ 3 ]] = = > [[ 1 , 2 , 3 ] import tensorflow as tf a = tf.constant([[ 1 ], [ 2 ], [ 3 ]]) b = tf.squeeze(a, 1 ) with tf.Session() as sess: a_, b_ = sess.run([a, b]) print ( 'a:' ) print (a_) print ( 'b:' ) print (b_) |
补充知识:pytorch中squeeze()、unsqueeze(),以及一些高维数组操作
博主最近阅读YOLO底层代码,Torch中对多数组矩阵有很多高维操作,看过一边之后,记录一下,以防忘记。
torch.squeeze()
功能:取消为1的维度
squeeze(input, dim=None, out=None) -> Tensor
这里一般分不清dim的意思
举个例子:
1 2 3 | input = (A , 1 , B , C , 1 , D) squeeze(input) = (A,B,C,D) input = (A, 1 , B) |
squeeze(input, 0)=(A, 1, B) 不会改变 squeeze(input, 1)=(A, B) 会改变
这里0, 1 ,2就分别代表 A, 1, B
torch.unsqueeze()
unsqueeze(input, dim, out=None) -> Tensor
功能: 在某一位置插入一维
这里面也是dim这个参数比较难理解
dim的取值是[- input.dim()-1, imput.dim()]
给定一个dim
input=(A , B , C , D)
input的维度input_dim为4, dim的取值[-5, 4]
1 2 3 | unsqueeze(input, 0 ) = ( 1 , A , B , C , D) unsqueeze(input, 1 ) = (A , 1 , B , C , D) unsqueeze(input, - 5 ) = ( 1 , A , B , C , D) |
看一个简单用例,size表示维度大小,10是取值范围,a=[:,:,:,4]表示取a最后一维的第四个元素(从0开始第四个),即取[0,0,3],[5,6,1],[0,6,8],[…], 判断大于5为true,否则为false。
注意:b的维度比a少了一维。
继续上一步,这里使用unsqueeze函数将b的维度扩展一维[2,2,3]------>[2,2,3,1] 这时b的最后一维只有一个元素, .expand_as将最后最后的元素扩展到a最后一维的个数
a[c] 表示取出为True的所有行在a中的元素
以上这篇Python3 Tensorlfow:增加或者减小矩阵维度的实现就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持自学编程网。
- 本文固定链接: https://zxbcw.cn/post/187144/
- 转载请注明:必须在正文中标注并保留原文链接
- QQ群: PHP高手阵营官方总群(344148542)
- QQ群: Yii2.0开发(304864863)