tf.expand_dims

tf.expand_dims(
    input,
    axis=None,
    name=None,
    dim=None
)

将维数1插入张量的形状中。(弃用参数)有些论点是不赞成的。它们将在未来的版本中被删除。更新说明:使用axis参数。给定一个张量输入，这个操作在输入形状的维数索引轴上插入一个维数为1的维度。尺寸指标轴从零开始; 如果为轴指定一个负数，则从末尾向后计数。如果希望向单个元素添加批处理维度，此操作非常有用。例如，如果你有一个shape [height, width, channels]的图像，你可以用expand_dims(image, 0)将它做成一批1个图像，这将生成shape [1, height, width, channels]。

别的例子:

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

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

这项操作需要:

-1-input.dims() <= dim <= input.dims()

这个操作与squeeze()相关，它删除了size 1的维度。

参数:

• input: 一个张量。
• axis: 0-D(标量)。指定要在其中展开输入形状的维度索引。必须在[-rank(输入)- 1,rank(输入)]范围内。
• name: 输出张量的名称。
• dim: 0-D(标量)。相当于轴，要弃用。

返回值:

• 一个与输入数据相同的张量，但它的形状增加了尺寸为1的额外维数。

Raises:

• ValueError: if both dim and axis are specified.

原链接: https://tensorflow.google.cn/versions/r1.12/api_docs/python/tf/expand_dims?hl=en