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. 解决：使用ajax验证登录信息返回前端页面时，当前整个页面刷新。
			
    源代码如下: function loginform(){ $.ajax({ url:"loginValidate.do", type:'post', data:{"nam ...
    
			
    2. 
						
  2. picker组件 label组件讲解
			
    label组件:包住表单的组件,将里面的表单和label里的元素,紧紧的包在一起,当触发label里的元素,就相当于触发了表单组件 属性:for:类型 字符串 表单的 id 的值 picker组件:是 ...
    
			
    3. 
						
  3. (转)flexpaper 参数
			
    本文转载自:http://blog.csdn.net/z69183787/article/details/18659913 Flexpaper可能用到如下参数   SwfFile (String) 需 ...
    
			
    4. 
						
  4. 阶段1 语言基础+高级_1-3-Java语言高级_06-File类与IO流_03 过滤器_2_FileNameFilter过滤器的使用和Lambda表达式
			
    复制一份上一节的代码 匿名内部类的形式 FilenameFilter 只有一个Accept方法.这样我们就可以使用lambda表达式 lambda表达式的前提条件 参数类型和,返回的大括号 都可以省掉 ...
    
			
    5. 
						
  5. Binder进程与线程ProcessState以及IPCThreadState
			
    ProcessState以及IPCThreadState ProcessState是负责打开Binder节点并做mmap映射,IPCThreadState是负责与Binder驱动进行具体的命令交互.  ...
    
			
    6. 
						
  6. 20190901 On Java8 第十五章 异常
			
    第十五章 异常 要想创建健壮的系统,它的每一个构件都必须是健壮的. 异常概念 C++的异常处理机制基于 Ada,Java 中的异常处理则建立在 C++的基础之上(尽管看上去更像 Object Pasc ...
    
			
    7. 
						
  7. Spring源码解析-核心类之XmlBeanFactory 、DefaultListableBeanFactory
			
    DefaultListableBeanFactory XmlBeanFactory 继承自 DefaultListableBeanFactory , 而 DefaultListableBeanFact ...
    
			
    8. 
						
  8. ajax 的post方法 的content-type设置和express里应用body-parser
			
    ajax的post方法相比get方法,在传参形式上很不一样, get把参数用'?'拼接在端口后,并且用'&'连接;而post则是需要在send参数里设置. 根据ajax实例xhr.setReq ...
    
			
    9. 
						
  9. 持续集成工具——Jenkins
			
    一.jenkins简介 1.持续集成工具 2.基于JAVA环境 二.环境搭建 1.安装JDK 2.安装配置git 3.安装配置tomcat Tomcat是针对Java的一个开源中间件服务器(容器),基 ...
    
			
    10. 
						
  10. SCUT - 153 - 小马哥和他的山脉 - 线段树
			
    https://scut.online/p/153 其实不需要用线段树,只关心相邻元素的差,像神仙那样用差分就可以O1维护的. 但是我偏要用. 交之前写的那个,注意没有st本身的线段树只有lazy标记 ...
    
			
    11.