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。
P70系列延期,华为新旗舰将在下月发布
3月20日消息,近期博主@数码闲聊站 透露,原定三月份发布的华为新旗舰P70系列延期发布,预计4月份上市。
而博主@定焦数码 爆料,华为的P70系列在定位上已经超过了Mate60,成为了重要的旗舰系列之一。它肩负着重返影像领域顶尖的使命。那么这次P70会带来哪些令人惊艳的创新呢?
根据目前爆料的消息来看,华为P70系列将推出三个版本,其中P70和P70 Pro采用了三角形的摄像头模组设计,而P70 Art则采用了与上一代P60 Art相似的不规则形状设计。这样的外观是否好看见仁见智,但辨识度绝对拉满。
更新日志
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]