神经网络学习-tensorflow2.0-维度变换

1.tf.reshape(tensor,[newshape])：将原来的tensor变换为指定的新的维度，元素个数不发生变化（一般用于维度合并）

examples:

input: 

a=tf.random.normal([4,28,28,3])
b=tf.reshape(a,[4,-1,3])
print(tf.shape(b))

output:

tf.Tensor([  4 784   3], shape=(3,), dtype=int32)

 

input:

a=tf.random.normal([4,28,28,3])
c=tf.reshape(tf.reshape(a,[4,-1,3]),[4,14,28,6]).shape
print(c)

output:   (4, 14, 28, 6)

 

2.tf.transpose(tensor,perm=[new order])：将原tensor的维度顺序改为所指定的新顺序

（若不指定new order则默认为倒序）

examples:

input:

a=tf.random.normal([4,28,28,3])
b=tf.transpose(a,[0,3,1,2]).shape
c=tf.transpose(a).shape
print(b,'\n',c)

output:

(4, 3, 28, 28)
(3, 28, 28, 4)

 

3.tf.expand_dims(tensor,axis=a)：在指定的位置增加一个新的维度（新增维度的值为1），若该位置已有维度，则将该位置及其之后的dim向后移动1，该位置变为1

example:

input:

a=tf.random.normal([4,28,28,3])
b=tf.expand_dims(a,axis=2).shape
c=tf.expand_dims(a,axis=0).shape
print(b,'\n',c)

output:

(4, 28, 1, 28, 3)
(1, 4, 28, 28, 3)

 

4.tf.squeeze(a,axis=a)：将指定的值为1的维度去除，若不指定，则去除tensor中所有为1的维度

（*注意*）不可指定值不为1的维度，将会报错。

example:

input:

a=tf.random.normal([4,1,1,3])
b=tf.squeeze(a).shape
c=tf.squeeze(a,axis=1).shape
print(b,'\n',c)

output:

(4, 3)
(4, 1, 3)