Question

您好我是tensorflow的新手。我想在tensorflow中实现以下python代码。

(string)a<(string)b

Answer 1

我认为那将是tf.expand_dims -

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

基本上，我们列出了要插入此新轴的轴ID，并且尾随轴/ dims是被推回。

从链接的文档中，这里有几个扩展维度的例子 -

# '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]

Answer 2

相应的命令是tf.newaxis（或None，与numpy一样）。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到。

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，但如上面的链接中所述，

这些界面更友好，强烈推荐。

Answer 3

如果您对与NumPy完全相同的类型（例如None）感兴趣，那么tf.newaxis就是np.newaxis的确切替代品。

示例：

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。只需在您希望增加它的同一维度使用它。

Answer 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)

Answer 5

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

这同样有效

张量流中numpy.newaxis的替代方法是什么？

5 个答案: