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. MySQL Schedule Event
			
    建立事件历史日志表-- 用于查看事件执行时间等信息create table t_event_history  (     dbname  varchar(128) not null default ' ...
    
			
    2. 
						
  2. 阶段1 语言基础+高级_1-3-Java语言高级_03-常用API第二部分_第6节 基本类型包装类_1_包装类的概念
			
    只有这两个比较特殊
    
			
    3. 
						
  3. python接口自动化：对外接口sign签名
			
    签名参数sign生成的方法: 在接口开发过程中,一般通过时间戳+sign作为密匙加密传输 实现代码如下: #python实现sign签名 import hashlib,time class sign: ...
    
			
    4. 
						
  4. centos yum 安装php5.6
			
    centos yum 安装php5.6 卸载 php之前的版本: yum remove -y php-common 配置源 CentOS 6.5的源 rpm -Uvh http://ftp.iij.a ...
    
			
    5. 
						
  5. 003--PowerDesigner创建索引与外键
			
    PowerDesigner创建索引与外键 一.创建索引 双击Table->Columns->创建索引 Step1:双击Table Step2:选择Columns->创建索引 弹出如下 ...
    
			
    6. 
						
  6. react-redux   --》react中  最好用的状态管理方式
			
    一.Redux与组件 react-redux是一个第三方插件使我们在react上更方便的来使用redux这个数据架构 React-Redux提供connect方法,用于从UI组件生成容器组件,conn ...
    
			
    7. 
						
  7. sql select as
			
    as 可理解为:用作.当成,作为:一般式重命名列名或者表名.例如有表table, 列 column_1,column_2 你可以写成 select column_1 as 列1,column_2 as ...
    
			
    8. 
						
  8. 模块内高内聚?模块间低耦合?MVC+EF演示给你看！
			
    前言 在软件项目开发过程中,我们总能听见“高内聚,低耦合”,即使这种思想在我们学习编程的过程中就已经耳濡目染.可一旦当我们上项目,赶进度的时候我们就会“偷懒”,能省时间就省.管他什么设计模式,什么软件 ...
    
			
    9. 
						
  9. PHP的设计模式及场景应用介绍
			
    有大量的文章解释什么是设计模式,如何实现设计模式,网络上不需要再写一篇这样的文章.相反,在本文中我们更多的讨论什么时候用和为什么要用,而不是用哪一个和如何使用. 我将会为这些设计模式描绘不同的场景和案 ...
    
			
    10. 
						
  10. 老技术记录-C#+SqlServer使用SqlDependency监听数据库表变化
			
    开发环境: .net / C# (.net core理论上也可以) 数据库:MS SQL Server 2005 以上 (我用的sqlserver2012) 功能:SqlDependency提供了一种 ...
    
			
    11.