TensorFlow2.0 学习笔记 2.5：维度变换
TensorFlow2-维度变换
目录
一、TensorFlow2-维度变换
二、Outline（大纲）
三、图片视图
四、First Reshape（重塑视图）
五、Second Reshape（恢复视图）
六、Transpose（转置）
七、Expand_dims（增加维度）
八、Squeeze（挤压维度）
TensorFlow2-维度变换
Outline（大纲）
shape, ndim
reshape
expand_dims/squeeze
transpose
图片视图
[b, 28, 28] # 保存b张图片，28行，28列（保存数据一般行优先），图片的数据没有被破坏
[b, 28 * 28] # 保存b张图片，不考虑图片的行和列，只保存图片的数据，不关注图片数据的细节
[b, 2, 14*28] # 保存b张图片，把图片分为上下两个部分，两个部分具体多少行是不清楚的
[b, 28, 28, 1] # 保存b张图片，28行，28列，1个通道
First Reshape（重塑视图）
import tensorflow as tf
a = tf.random.normal([4, 28, 28, 3])
a.shape, a.ndim
(TensorShape([4, 28, 28, 3]), 4)
tf.reshape(a, [4, 784, 3]).shape # 给出一张图片某个通道的数据，丢失行、宽的信息
TensorShape([4, 784, 3])
tf.reshape(a, [4, -1, 3]).shape # 4*(-1)*3 = 4*28*28*3
TensorShape([4, 784, 3])
tf.reshape(a, [4, 784*3]).shape # 给出一张图片的所有数据，丢失行、宽和通道的信息
TensorShape([4, 2352])
tf.reshape(a, [4, -1]).shape
TensorShape([4, 2352])
Second Reshape（恢复视图）
tf.reshape(tf.reshape(a, [4, -1]), [4, 28, 28, 3]).shape
TensorShape([4, 28, 28, 3])
tf.reshape(tf.reshape(a, [4, -1]), [4, 14, 56, 3]).shape
TensorShape([4, 14, 56, 3])
tf.reshape(tf.reshape(a, [4, -1]), [4, 1, 784, 3]).shape
TensorShape([4, 1, 784, 3])
first reshape:
images: [4,28,28,3]
reshape to: [4,784,3]
second reshape:
[4,784,3] height:28,width:28 [4,28,28,3] √
[4,784,3] height:14,width:56 [4,14,56,3] ×
[4,784,3] width:28,height:28 [4,28,28,3] ×
Transpose（转置）
a = tf.random.normal((4, 3, 2, 1))
a.shape
TensorShape([4, 3, 2, 1])
tf.transpose(a).shape
TensorShape([1, 2, 3, 4])
tf.transpose(a, perm=[0, 1, 3, 2]).shape # 按照索引替换维度
TensorShape([4, 3, 1, 2])
a = tf.random.normal([4, 28, 28, 3]) # b,h,w,c
a.shape
TensorShape([4, 28, 28, 3])
tf.transpose(a, [0, 2, 1, 3]).shape # b,2,h,c
TensorShape([4, 28, 28, 3])
tf.transpose(a, [0, 3, 2, 1]).shape # b,c,w,h
TensorShape([4, 3, 28, 28])
tf.transpose(a, [0, 3, 1, 2]).shape # b,c,h,w
TensorShape([4, 3, 28, 28])
Expand_dims（增加维度）
a:[classes, students, classes]
add school dim（增加学校的维度）:
[1, 4, 35, 8] + [1, 4, 35, 8] = [2, 4, 35, 8]
a = tf.random.normal([4, 25, 8])
a.shape
TensorShape([4, 25, 8])
tf.expand_dims(a, axis=0).shape # 索引0前
TensorShape([1, 4, 25, 8])
tf.expand_dims(a, axis=3).shape # 索引3前
TensorShape([4, 25, 8, 1])
tf.expand_dims(a,axis=-1).shape # 索引-1后
TensorShape([4, 25, 8, 1])
tf.expand_dims(a,axis=-4).shape # 索引-4后，即左边空白处
TensorShape([1, 4, 25, 8])
Squeeze（挤压维度）
Only squeeze for shape = 1 dim（只删除维度为1的维度）
[4, 35, 8, 1] = [4, 35, 8]
[1, 4, 35, 8] = [14, 35, 8]
[1, 4, 35, 1] = [4, 35, 8]
tf.squeeze(tf.zeros([1,2,1,1,3])).shape
TensorShape([2, 3])
a = tf.zeros([1,2,1,3])
a.shape
TensorShape([1, 2, 1, 3])
tf.squeeze(a,axis=0).shape
TensorShape([2, 1, 3])
tf.squeeze(a,axis=2).shape
TensorShape([1, 2, 3])
tf.squeeze(a,axis=-2).shape
TensorShape([1, 2, 3])
tf.squeeze(a,axis=-4).shape
TensorShape([2, 1, 3])
这篇写的不好，有空重写！