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(),以及一些高維數組操作
博主最近閱讀YOLO底層代碼,Torch中對多數組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, 1, 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這個參數比較難理解
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[0,0,3],[5,6,1],[0,6,8],[…], 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函數將b的維度擴展一維[2,2,3]------>[2,2,3,1] 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展到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
[techdo ] Python3 Tensorlfow:增加或者減小矩陣維度的實現已經有253次圍觀