张量流中 numpy.newaxis 的替代方案是啥？

Posted 2023-02-16

【中文标题】张量流中 numpy.newaxis 的替代方案是啥？

【英文标题】：What is the alternative of numpy.newaxis in tensorflow?张量流中 numpy.newaxis 的替代方案是什么？

【发布时间】：2017-07-09 16:54:27

【问题描述】：

您好，我是 tensorflow 的新手。我想在tensorflow中实现下面的python代码。

import numpy as np
a = np.array([1,2,3,4,5,6,7,9,0])
print(a) ## [1 2 3 4 5 6 7 9 0]
print(a.shape) ## (9,)
b = a[:, np.newaxis] ### want to write this in tensorflow.
print(b.shape) ## (9,1)

【参考方案1】：

我想应该是tf.expand_dims -

tf.expand_dims(a, 1) # Or tf.expand_dims(a, -1)

基本上，我们列出了要插入这个新轴的轴 ID，以及尾随轴/尺寸后推。

从链接的文档中，这里有几个扩展维度的示例 -

# 't' is a tensor of shape [2]
shape(expand_dims(t, 0)) ==> [1, 2]
shape(expand_dims(t, 1)) ==> [2, 1]
shape(expand_dims(t, -1)) ==> [2, 1]

# 't2' is a tensor of shape [2, 3, 5]
shape(expand_dims(t2, 0)) ==> [1, 2, 3, 5]
shape(expand_dims(t2, 2)) ==> [2, 3, 1, 5]
shape(expand_dims(t2, 3)) ==> [2, 3, 5, 1]

【参考方案2】：

对应的命令是tf.newaxis（或None，如numpy）。它在tensorflow的文档中没有自己的条目，但在tf.stride_slice的文档页面上简要提及。

x = tf.ones((10,10,10))
y = x[:, tf.newaxis] # or y = x [:, None]
print(y.shape)
# prints (10, 1, 10, 10)

使用tf.expand_dims 也可以，但是如上面的链接所述，

这些界面更加友好，强烈推荐。

【参考方案3】：

如果您对与 NumPy 中完全相同的类型（即None）感兴趣，那么tf.newaxis 是np.newaxis 的完全替代品。

例子：

In [71]: a1 = tf.constant([2,2], name="a1")

In [72]: a1
Out[72]: <tf.Tensor 'a1_5:0' shape=(2,) dtype=int32>

# add a new dimension
In [73]: a1_new = a1[tf.newaxis, :]

In [74]: a1_new
Out[74]: <tf.Tensor 'strided_slice_5:0' shape=(1, 2) dtype=int32>

# add one more dimension
In [75]: a1_new = a1[tf.newaxis, :, tf.newaxis]

In [76]: a1_new
Out[76]: <tf.Tensor 'strided_slice_6:0' shape=(1, 2, 1) dtype=int32>

这与您在 NumPy 中执行的操作完全相同。只需在您希望增加的相同维度上使用它即可。

【参考方案4】：

考虑tf.keras.layers.Reshape：

# as first layer in a Sequential model
model = Sequential()
model.add(Reshape((3, 4), input_shape=(12,)))
# now: model.output_shape == (None, 3, 4)
# note: `None` is the batch dimension

# as intermediate layer in a Sequential model
model.add(Reshape((6, 2)))
# now: model.output_shape == (None, 6, 2)

# also supports shape inference using `-1` as dimension
model.add(Reshape((-1, 2, 2)))
# now: model.output_shape == (None, 3, 2, 2)

【参考方案5】：

a = a[..., tf.newaxis].astype("float32")

这也有效