想要增加一维，可以使用tf.expand_dims(input, dim, name=None)函数

t = np.array(np.arange(1, 1 + 30).reshape([2, 3, 5]), dtype=np.float32)

array([[[ 1., 2., 3., 4., 5.],

        [ 6.,  7.,  8.,  9., 10.],

        [11., 12., 13., 14., 15.]],

       [[16., 17., 18., 19., 20.],

        [21., 22., 23., 24., 25.],

        [26., 27., 28., 29., 30.]]], dtype=float32)

t0=tf.expand_dims(t, 0)--------------<tf.Tensor 'ExpandDims_2:0' shape=(1, 2, 3, 5) dtype=float32>
t1=tf.expand_dims(t, 1)--------------<tf.Tensor 'ExpandDims_3:0' shape=(2, 1, 3, 5) dtype=float32>
t2=tf.expand_dims(t, 2)--------------<tf.Tensor 'ExpandDims_4:0' shape=(2, 3, 1, 5) dtype=float32>
t3=tf.expand_dims(t, 3)--------------<tf.Tensor 'ExpandDims_4:0' shape=(2, 3, 1, 5) dtype=float32>
t4=tf.expand_dims(t, 4)--------------报错


 
												


											
tf.expand_dims的更多相关文章
	

    
						
  1. tensorflow 笔记14：tf.expand_dims和tf.squeeze函数
		
    tf.expand_dims和tf.squeeze函数 一.tf.expand_dims() Function tf.expand_dims(input, axis=None, name=None,  ...
    
		
    2. 
						
  2. tf.expand_dims 来增加维度
		
    主要是因为tflearn官方的例子总是有embeding层,去掉的话要conv1d正常工作,需要加上expand_dims network = input_data(shape=[None, 100] ...
    
		
    3. 
						
  3. tensorflow 基本函数(1.tf.split, 2.tf.concat,3.tf.squeeze, 4.tf.less_equal, 5.tf.where, 6.tf.gather, 7.tf.cast, 8.tf.expand_dims, 9.tf.argmax, 10.tf.reshape， 11.tf.stack， 12tf.less， 13.tf.boolean_mask
		
    1.  tf.split(3, group, input)  # 拆分函数    3 表示的是在第三个维度上, group表示拆分的次数, input 表示输入的值 import tensorflow ...
    
		
    4. 
						
  4. tf.expand_dims和tf.squeeze函数
		
    from http://blog.csdn.net/qq_31780525/article/details/72280284 tf.expand_dims() Function tf.expand_d ...
    
		
    5. 
								
  5. 图融合之加载子图：Tensorflow.contrib.slim与tf.train.Saver之坑
		
    import tensorflow as tf import tensorflow.contrib.slim as slim import rawpy import numpy as np impor ...
    
		
    6. 
						
  6. TF常用知识
		
    命名空间及变量共享 # coding=utf-8 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt; ...
    
		
    7. 
						
  7. 深度学习原理与框架-CNN在文本分类的应用  1.tf.nn.embedding_lookup(根据索引数据从数据中取出数据)  2.saver.restore(加载sess参数)
		
    1. tf.nn.embedding_lookup(W, X) W的维度为[len(vocabulary_list), 128], X的维度为[?, 8],组合后的维度为[?, 8, 128] 代码说 ...
    
		
    8. 
						
  8. 深度学习原理与框架-递归神经网络-RNN_exmaple(代码)  1.rnn.BasicLSTMCell(构造基本网络) 2.tf.nn.dynamic_rnn(执行rnn网络) 3.tf.expand_dim(增加输入数据的维度) 4.tf.tile(在某个维度上按照倍数进行平铺迭代) 5.tf.squeeze(去除维度上为1的维度)
		
    1. rnn.BasicLSTMCell(num_hidden) #  构造单层的lstm网络结构 参数说明:num_hidden表示隐藏层的个数 2.tf.nn.dynamic_rnn(cell,  ...
    
		
    9. 
						
  9. tf一些函数
		
    1. tf.reduce_mean(a) : 求平均值 2. tf.truncated_normal([3,2],stddev=0.1) : 从正态分布中输出随机值,标准差为0,1,构造矩阵为3*2的 ...
    
		
    10. 
		

	


随机推荐
	

    
									
  1. .Net Core入门与.Net需要注意的地方
			
    1.编码注册 Encoding.RegisterProvider(CodePagesEncodingProvider.Instance); 否则抛出异常 'GB2312' is not a suppo ...
    
			
    2. 
						
  2. seq使用
			
    转载! 用于产生从某个数到另外一个数之间的所有整数例一:# seq 1 10结果是1 2 3 4 5 6 7 8 9 10例二:#!/bin/bashfor i in `seq 1 10`;doech ...
    
			
    3. 
						
  3. JXLS (Excel导入、导出工具使用)
			
    JXLS (Excel导入.导出工具使用) 1:简介: jxls是一个简单的.轻量级的excel导出库,使用特定的标记在excel模板文件中来定义输出格式和布局.java中成熟的excel导出工具有p ...
    
			
    4. 
						
  4. 使用GOGS搭建自己的Git托管
			
    大家在开发中一般使用的git服务都是公司搭建好的,或者就是直接用gayhub提供的免费的仓库 如果想搭建一个自己的仓库的话怎么弄,这里给大家安利一款开箱即用的git托管服务:gogs. gogs是基于 ...
    
			
    5. 
						
  5. 阶段1 语言基础+高级_1-3-Java语言高级_06-File类与IO流_08 转换流_1_字符编码和字符集
			
     
    
			
    6. 
						
  6. vi, Java, Ant, Junit自学报告 - 实训week1
			
    vi, Java, Ant, Junit自学报告 2017软件工程实训 15331023 陈康怡 vi Vi是linux系统的标准文本编辑器,采用指令的方式进行操作,此处仅记录部分常用的指令. vi模 ...
    
			
    7. 
						
  7. PL/SQL Developer 报错Dynamic Performance Tables not accessible, Automatic Statistics disabled for this session You can disable statistics in the preference menu, or obtain select priviliges on the V$ses
			
    可以从以下几个方面考虑: 1)单独给用户授动态性能视图的权限: SQL> grant select on V_session  to user; SQL> grant select on  ...
    
			
    8. 
						
  8. UDP信号驱动IO
			
    SIGIO信号 信号驱动式I/O不适用于TCP套接字, 因为产生的信号过于频繁且不能准确判断信号产生的原因. 设置信号驱动需把sockfd的非阻塞与信号驱动属性都打开 server sockfd单独提 ...
    
			
    9. 
						
  9. js 正则整理
			
    //严格验证身份证格式方法function idCardNo(value){ //验证身份证号方法 var area = { 11: "北京", 12: "天津" ...
    
			
    10. 
						
  10. 20191103 《Spring5高级编程》笔记-第3章
			
    第3章 在Spring中引入IoC和DI 依赖注入是IOC的一种特殊形式,尽管这两个术语经常可以互换使用. 3.1 控制反转和依赖注入 IOC的核心是DI,旨在提供一种更简单的机制来设置组件依赖项,并 ...
    
			
    11.