在 tensorflow 2.0 中添加 None 维度

Question

我有一个张量 xx，形状为：

>>> xx.shape
TensorShape([32, 32, 256])

如何添加前导 None 维度以获得：

>>> xx.shape
TensorShape([None, 32, 32, 256])

我在这里看到了很多答案，但都与 TF 有关 1.x

TF 2.0 的直接方法是什么？

Answer 1

您可以使用 "None" 或 numpy 的 "newaxis" 来创建新维度。

一般提示：您也可以使用None代替np.newaxis；这些实际上是 same objects.

下面是解释这两个选项的代码。

try:
  %tensorflow_version 2.x
except Exception:
  pass
import tensorflow as tf

print(tf.__version__)

# TensorFlow and tf.keras
from tensorflow import keras

# Helper libraries
import numpy as np

#### Import the Fashion MNIST dataset
fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()

#Original Dimension
print(train_images.shape)

train_images1 = train_images[None,:,:,:]
#Add Dimension using None
print(train_images1.shape)

train_images2 = train_images[np.newaxis is None,:,:,:]
#Add dimension using np.newaxis
print(train_images2.shape)

#np.newaxis and none are same
np.newaxis is None

以上代码的输出为

2.1.0
(60000, 28, 28)
(1, 60000, 28, 28)
(1, 60000, 28, 28)
True

Answer 2

在 TF2 中你可以使用 tf.expand_dims:

xx = tf.expand_dims(xx, 0)
xx.shape
> TensorShape([1, 32, 32, 256])

在 tensorflow 2.0 中添加 None 维度

Add None dimension in tensorflow 2.0

tensorflow

tensorflow2.0