张量形状的理解与相关操作

一.张量的形状的判断

Drawing (1).png

这里的A,B,C分布表示维度0,1,2

那如何理解shape呢,由左图我们可以看到

和A这个方括号同维度的有[1 2],[4 5]两个,所以维度0的长度为2,

而和B同维度的有0,2两个,所以维度1的长度为2

所以左边张量的shape=[2,2]

同理右图的张量,

和A方括号同维度的只有[[1 2 3] [4 5 6]],所以维度0长度为1

和B方括号同维度的有[1 2 3], [4 5 6]两个,所以维度1长度为2

和C同维度的有1,2,3,所以维度2长度为3

所以shape=[1,2,3]

二. tf.squeeze(input, squeeze_dims=None, name=None),维度去除

1.去掉所有长度为1的维度(相当于去除那个维度的括号)。
举个栗子：

#coding=utf-8

import tensorflow as tf;  

import numpy as np;  

B = np.array([[[[1],[2],[3] ],[[4],[5],[6] ]]])

#去除维度0和维度3,因为这两个维度长度都为1  

y = tf.squeeze(B,0)  

with tf.Session() as sess:  

    print (sess.run(y),'\n') 

输出:

[[1 2 3]
 [4 5 6]]

2.也可以去掉指定索引的维度(该维度长度必须为1)：

#coding=utf-8

import tensorflow as tf;  

import numpy as np;  

#shape=[1,2,3,1]

B = np.array([[[[1],[2],[3] ],[[4],[5],[6] ]]])

#去除维度0

y = tf.squeeze(B,[0])  

with tf.Session() as sess:  

    print (sess.run(y),'\n') 

输出:

[[[1]

  [2]

  [3]]

 [[4]

  [5]

  [6]]] 

三. tf.expand_dims(input, dim, name=None),扩展维度

作用:跟squeeze作用相反,它在维度dim上扩展一个长度为1的维度,原维度dim则被排在后面

#coding=utf-8

import tensorflow as tf;  

import numpy as np;  

B = np.array([[3,4],[5,6]])

# 在维度0的元素前面加括号

y = tf.expand_dims(B,0)  

y1 = tf.expand_dims(B,2)

#-1表示最后一维

y2 = tf.expand_dims(B,-1)  

print(B,'\n')

with tf.Session() as sess:  

    print ('y:shape=',y.shape,'\n',sess.run(y),'\n') 

    print ('y1:shape=',y1.shape,'\n',sess.run(y1),'\n') 

    print ('y2:shape=',y2.shape,'\n',sess.run(y2),'\n') 

输出:

y:shape= (1, 2, 2) 

 [[[3 4]

  [5 6]]] 

y1:shape= (2, 2, 1) 

 [[[3]

  [4]]

 [[5]

  [6]]] 

y2:shape= (2, 2, 1) 

 [[[3]

  [4]]

 [[5]

  [6]]]

四.tf.transpose(input, [dimension_1, dimenaion_2,..,dimension_n])

作用:交换维度

举个栗子:

A = np.array([[[1,2,3],[4,5,6]]])

#即:

[[ 

 [1 2 3]

 [4 5 6]

]]   

如果x=tf.transpose(A, [0,2,1])

1.那么首先找到维度0,2,1的长度

维度0的长度:  1

维度1的长度:  2

维度2的长度:  3

2.再按序写出0,2维的形状的张量:

[

    [ 

        [    ]

        [    ]

[    ] 

    ]

]

3.若x的最后一维长度比A最后一维的长度小,则取将同列的元素按序放入x的最后一维,否则将x的同行元素按序放入最后一维,这里x和A的最后一维长度分别为2,3,所以将同列写入最后一维,最后的结果为:

[[[1 4]

  [2 5]

  [3 6]]] 

代码验证:

import tensorflow as tf;  
import numpy as np;  

A = np.array([[[1,2,3],[4,5,6]]])  
x = tf.transpose(A, [0,2,1])  

y = tf.transpose(A, [0,1,2])  
with tf.Session() as sess:  
    print ('A:\n',A,'\n')  
    print ('x:\n',sess.run(x),'\n') 
    print ('y:\n',sess.run(y),'\n') 

输出:

A:
 [[[1 2 3]
  [4 5 6]]] 

x:
 [[[1 4]
  [2 5]
  [3 6]]] 

y:
 [[[1 2 3]
  [4 5 6]]]