1.增加维度

下面给出两个样例

样例1：

[1, 2, 3] ==> [[1],[2],[3]]import tensorflow as tfa = 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

a:[1 2 3]b:[[1] [2] [3]]

样例2:

[1, 2, 3] ==> [[1,2,3]]import tensorflow as tfa = 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：

a:[1 2 3]b:[[1 2 3]]

2.降低维度

样例1：

[[1, 2, 3]] ==> [1, 2, 3]import tensorflow as tfa = 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

a:[[1 2 3]]b:[1 2 3]

样例2：

[[1], [2], [3]] ==> [[1, 2, 3]import tensorflow as tfa = 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：

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]

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。