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。
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。
更新日志
- 群星《前途海量 电影原声专辑》[FLAC/分轨][227.78MB]
- 张信哲.1992-知道新曲与精丫巨石】【WAV+CUE】
- 王翠玲.1995-ANGEL【新艺宝】【WAV+CUE】
- 景冈山.1996-我的眼里只有你【大地唱片】【WAV+CUE】
- 群星《八戒 电影原声带》[320K/MP3][188.97MB]
- 群星《我的阿勒泰 影视原声带》[320K/MP3][139.47MB]
- 纪钧瀚《胎教古典音乐 钢琴与大提琴的沉浸时光》[320K/MP3][148.91MB]
- 刘雅丽.2001-丽花皇后·EMI精选王【EMI百代】【FLAC分轨】
- 齐秦.1994-黄金十年1981-1990CHINA.TOUR.LIVE精丫上华】【WAV+CUE】
- 群星.2008-本色·百代音乐人创作专辑【EMI百代】【WAV+CUE】
- 群星.2001-同步过冬AVCD【环球】【WAV+CUE】
- 群星.2020-同步过冬2020冀待晴空【环球】【WAV+CUE】
- 沈雁.1986-四季(2012梦田复刻版)【白云唱片】【WAV+CUE】
- 纪钧瀚《胎教古典音乐 钢琴与大提琴的沉浸时光》[FLAC/分轨][257.88MB]
- 《国语老歌 怀旧篇 3CD》[WAV/分轨][1.6GB]