squeeze(
input,
axis=None,
name=None,
squeeze_dims=None
)
给定张量输入,此操作返回相同类型的张量,并删除所有维度为1的维度。 如果不想删除所有维度1维度,可以通过指定squeeze_dims来删除特定维度1维度。
如果不想删除所有大小是1的维度,可以通过squeeze_dims指定。
参数:
input:A Tensor。输入要挤压。
axis:一个可选列表ints。默认为[]。如果指定,只能挤压列出的尺寸。维度索引从0开始。压缩非1的维度是错误的。必须在范围内[-- rank(input), rank(input))。
name:操作的名称(可选)。
squeeze_dims:现在是轴的已弃用的关键字参数。
函数返回值:
一Tensor。与输入类型相同。 包含与输入相同的数据,但具有一个或多个删除尺寸1的维度。
可能引发的异常:
ValueError:当两个squeeze_dims和axis指定。
例子1:
该函数返回一个张量,这个张量是将原始input中所有维度为1的那些维都删掉的结果。
axis可以用来指定要删掉的为1的维度,此处要注意指定的维度必须确保其是1,否则会报错。
import tensorflow as tf
import numpy as np
value = np.floor(10*np.random.random((3,2,2)))
with tf.Session() as sess:
tf.squeeze(value)
print(sess.run(tf.shape(tf.squeeze(value, [1]))))
ValueError: Can not squeeze dim[1], expected a dimension of 1, got 2 for 'Squeeze_17' (op: 'Squeeze') with input shapes: [3,2,2].
例子2:
默认删除所有维度是1的维度。
import tensorflow as tf
import numpy as np
value = np.floor(10*np.random.random((1,3,2,1,2)))
with tf.Session() as sess:
print(sess.run(tf.shape(tf.squeeze(value))))
[3 2 2]
例子3:
如果不想删除所有尺寸1尺寸,可以通过指定axis来删除特定维度1的维度。
import tensorflow as tf
import numpy as np
value = np.floor(10*np.random.random((1,3,2,1,2)))
with tf.Session() as sess:
print(sess.run(tf.shape(tf.squeeze(value, [0]))))
[3 2 1 2]
转自:https://blog.csdn.net/qq_42450404/article/details/98968335