Python3 Tensorlfow:增加或者減小矩陣維度的實現(xiàn)
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, 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_)
輸出結(jié)果
a: [1 2 3] b: [[1] [2] [3]]
樣例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_)
輸出結(jié)果：
a: [1 2 3] b: [[1 2 3]]
2.降低維度
樣例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_)
輸出結(jié)果
a: [[1 2 3]] b: [1 2 3]
樣例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_)
補充知識：pytorch中squeeze()、unsqueeze(),以及一些高維數(shù)組操作
博主最近閱讀YOLO底層代碼，Torch中對多數(shù)組矩陣有很多高維操作，看過一邊之后，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
這里一般分不清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, 1, B) 不會改變 squeeze(input, 1)=(A, B) 會改變
這里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
這里面也是dim這個參數(shù)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是取值范圍，a=[：，：，：，4]表示取a最后一維的第四個元素（從0開始第四個），即取[0,0,3],[5,6,1],[0,6,8],[…], 判斷大于5為true，否則為false。
注意：b的維度比a少了一維。
繼續(xù)上一步，這里使用unsqueeze函數(shù)將b的維度擴展一維[2,2,3]------>[2,2,3,1] 這時b的最后一維只有一個元素， .expand_as將最后最后的元素擴展到a最后一維的個數(shù)
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(xiàn)就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
Python3中在Anaconda環(huán)境下安裝basemap包
今天小編就為大家分享一篇關(guān)于Python3中在Anaconda環(huán)境下安裝basemap包的文章，小編覺得內(nèi)容挺不錯的，現(xiàn)在分享給大家，具有很好的參考價值，需要的朋友一起跟隨小編來看看吧2018-10-10
本文將使用 OpenCV,創(chuàng)建一個簡單的文檔掃描儀,就像常用的攝像頭掃描儀應用程序一樣,這篇文章主要給大家介紹了關(guān)于使用OpenCV構(gòu)建文檔掃描儀的相關(guān)資料,需要的朋友可以參考下2022-11-11
這篇文章主要介紹了TensorFlow固化模型的實現(xiàn)操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05
使用python批量轉(zhuǎn)換文件編碼為UTF-8的實現(xiàn)
這篇文章主要介紹了使用python批量轉(zhuǎn)換文件編碼為UTF-8的實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-04-04
這篇文章主要給大家介紹了關(guān)于Python編碼解碼之encode()函數(shù)的相關(guān)資料,Python的encode函數(shù)用于將字符串按照指定的編碼方式進行編碼,返回一個bytes類型的對象,需要的朋友可以參考下2023-07-07
本文通過講解使用基礎(chǔ)Python代碼來讀寫和處理CSV文件，點進來的小伙伴一起來學習吧2021-08-08
PyTorch實現(xiàn)手寫數(shù)字的識別入門小白教程
這篇文章主要介紹了python實現(xiàn)手寫數(shù)字識別，非常適合小白入門學習，本文通過實例圖文相結(jié)合給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2022-06-06
這篇文章主要介紹了python多進程（加入進程池）操作,結(jié)合常見案例形式分析了Python多進程復制文件、加入進程池及多進程聊天等相關(guān)操作技巧,需要的朋友可以參考下2019-10-10
要實現(xiàn)這樣一個需求寄送包裹小于5kg，每公斤0.5元，大于等于5kg，超出5公斤部分，按照每公斤0.8元計算，輸入重量，輸出應付金額，下面小編給大家分享實現(xiàn)代碼，感興趣的朋友跟隨小編一起看看吧2022-02-02
這篇文章主要介紹了Python是怎樣處理json模塊的，文中講解非常細致，代碼幫助大家更好的理解和學習，感興趣的朋友可以了解下2020-07-07