TensorFlow2-維度變換

目錄

• TensorFlow2-維度變換
• Outline（大綱）
• 圖片視圖
• First Reshape（重塑視圖）
• Second Reshape（恢復視圖）
• Transpose（轉置）
• Expand_dims（增長維度）
• Squeeze（擠壓維度）

TensorFlow2-維度變換

Outline（大綱）

• shape, ndim

• reshape

• expand_dims/squeeze

• transpose

圖片視圖

• [b, 28, 28] # 保存b張圖片，28行，28列（保存數據通常行優先），圖片的數據沒有被破壞
• [b, 28*28] # 保存b張圖片，不考慮圖片的行和列，只保存圖片的數據，不關注圖片數據的細節
• [b, 2, 14*28] # 保存b張圖片，把圖片分爲上下兩個部分，兩個部分具體多少行是不清楚的
• [b, 28, 28, 1] # 保存b張圖片，28行，28列，1個通道

First Reshape（重塑視圖）

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  # 給出一張圖片某個通道的數據，丟失行、寬的信息

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  # 給出一張圖片的全部數據，丟失行、寬和通道的信息

TensorShape([4, 2352])

tf.reshape(a, [4, -1]).shape

TensorShape([4, 2352])

Second Reshape（恢復視圖）

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（轉置）

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  # 按照索引替換維度

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（增長維度）

• a:[classes, students, classes]

add school dim（增長學校的維度）:

• [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後

TensorShape([4, 25, 8, 1])

tf.expand_dims(a,axis=-4).shape  # 索引-4後，即左邊空白處

TensorShape([1, 4, 25, 8])

Squeeze（擠壓維度）

Only squeeze for shape = 1 dim（只刪除維度爲1的維度）

• [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])