tensorflow.squeeze

tensorflow.squeeze用来删除张量中大小为1的维度；

关于张量的维度，只需要数中括号‘[’的个数，比如[[1 2 3]]就是二维张量，打印出张量，必然包括shape(1,3)，更复杂的例子如下：

示例代码1

x = tf.constant([[[[1, 2, 3], [1, 2, 3], [1, 2, 3]]]])
print("x.shape:",x.shape)

输出结果如下：

维度具体判断方法就是：从左往右数中括号‘[’，数到第n个中括号，找出第n个“中括号对”，然后进入这个“中括号对”，假设这个“中括号对”中包含m个“中括号对”，或者这个“中括号对”中包含k个数字，那么最终打印出shape的时候，第n位的数值就是m或k。

理解了维度，再理解squeeze就好办了，比如下面这个例子：

x = tf.constant([[[[1, 2, 3], [1, 2, 3], [1, 2, 3]]]])
y = tf.squeeze(x);
print("x:", x);
print("x.shape:", x.shape)
print("y:", y)
print("y.shape", y.shape);

输出结果如下：

当我们去除所有大小为1的维度时，前2个中括号被去除了，原因很简单，因为前2个中括号对应的每个“中括号对”中，只含有1个“中括号对”。

squeeze也可以指定删除某个或某几个大小为1的维度：

x = tf.constant([[[[1, 2, 3], [1, 2, 3], [1, 2, 3]]]])
y = tf.squeeze(x,x[0]);
print("x:", x);
print("x.shape:", x.shape)
print("y:", y)
print("y.shape", y.shape);

可以看到，只有第一个中括号被删除了，因为在squeeze函数中增加了第二个参数[0]，它表示删除第一个中括号。

squeeze还可以加第3个参数，表示操作的名称，不过现在暂时不知道这个参数有什么作用：

x = tf.constant([[[[1, 2, 3], [1, 2, 3], [1, 2, 3]]]])
y = tf.squeeze(x, [0], "haha");
print("x:", x);
print("x.shape:", x.shape)
print("y:", y)
print("y.shape", y.shape);