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. [CSP-S模拟测试]:题（DP+数学）
			
    题目描述 出个题就好了.这就是出题人没有写题目背景的原因.你在平面直角坐标系上.你一开始位于$(0,0)$.每次可以在上/下/左/右四个方向中选一个走一步.即:从$(x,y)$走到$(x,y+1),( ...
    
			
    2. 
						
  2. web classpath路径说明
			
    http://blog.csdn.net/wyswlp/article/details/8886385 http://www.cnblogs.com/Ant-soldier/p/5474085.htm ...
    
			
    3. 
						
  3. java在文本处理中的相关辅助工具类
			
    1,java分词 package com.bobo.util; import ICTCLAS.I3S.AC.ICTCLAS50; public class Cutwords { public stat ...
    
			
    4. 
						
  4. linux的find和grep区别?
			
    为什么会把 grep和find 这两个命令拿在一起来讨论? 是因为他们之间有一个容易混淆的地方, [在我的记忆中] : -name ? 它是find的选项! 不是grep的选项! 实际上, find基 ...
    
			
    5. 
						
  5. Celery多任务结构
			
    视图结构 pro_cel ├── celery_task# celery相关文件夹 │ ├── celery.py # celery连接和配置相关文件,必须叫这个名字 │ └── tasks1.py  ...
    
			
    6. 
						
  6. Junit 3.8源码分析
			
    JUnit背景介绍 JUnit是由Erich Gamma和Kent Beck 编写的一个回归测试框架(regression testing framework).Junit测试是程序员测试,即所谓的白 ...
    
			
    7. 
						
  7. 建立 Active Directory域           ----学习笔记
			
    第五章 建立 Active Directory域 1.工作组和域的理解 ​ a.工作组是一种平等身份环境,各个计算机之间各个为一个独立体,不方便管理和资源共享. ​ b.域环境一般情况下满足两类需求, ...
    
			
    8. 
						
  8. Sentinel之熔断降级
			
    除了流量控制以外,对调用链路中不稳定的资源进行熔断降级也是保障高可用的重要措施之一.由于调用关系的复杂性,如果调用链路中的某个资源不稳定,最终会导致请求发生堆积.Sentinel 熔断降级会在调用链路 ...
    
			
    9. 
						
  9. mysql : 使用不等于过滤null的问题
			
    在写sql时遇到查询结果不对的情况,经查阅,发现是因为查询条件过滤null的问题:从网上找到如下资料: 在写SQL 条件语句是经常用到 不等于‘!=’的筛选条件,此时要注意此条件会将字段为null的数 ...
    
			
    10. 
						
  10. S5PV210刷机
			
    一. 刷机初识 1.1. 什么是刷机 a. 刷机就是通过各种手段把相应镜像烧录到设备中,让设备可以运行起来.常见的刷机如:安卓刷机,QT刷机 1.2. S5PV210刷机镜像 1.2.1. 刷安卓所需 ...
    
			
    11.