在tensorflow中，numpy.newaxis的替代方案是什么？

Question

嗨，我是新来的tensorflow。我想在tensorflow中实现以下python代码。

import numpy as np
a = np.array([1,2,3,4,5,6,7,9,0])
print(a) ## [1 2 3 4 5 6 7 9 0]
print(a.shape) ## (9,)
b = a[:, np.newaxis] ### want to write this in tensorflow.
print(b.shape) ## (9,1)

Answer 1

相应的命令是tf.newaxis（或者None，如在numpy中）。在tensorflow的文档中，它本身没有一个条目，但是在^{}的doc页面中有简要介绍。

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，但是，如上面链接所述

Those interfaces are much more friendly, and highly recommended.

Answer 2

我想应该是^{}-

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

基本上，我们列出了要插入新轴的轴ID，并将后轴/维度向后推。

在链接的文档中，这里有几个扩展维度的示例-

# '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 3

如果您对与NumPy中完全相同的类型（即None）感兴趣，那么tf.newaxis是np.newaxis的确切替代方法。

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>

这和你在纽比做的手术完全一样。只需在你想增加它的地方使用它。