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 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
a: [1 2 3] b: [[1] [2] [3]]
样例2:
[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：
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 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
a: [[1 2 3]] b: [1 2 3]
样例2：
[[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：
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脚本之家。
