Tensorflow：何時使用tf.expand_dims？

Question

Tensorflow教程包括使用tf.expand_dims將「批量維」添加到張量中。我已經閱讀了這個功能的文檔，但它對我仍然很神祕。有誰知道在什麼情況下必須使用？

我的代碼如下。我的意圖是根據預測箱和實際箱之間的距離來計算損失。 （例如，如果predictedBin = 10和truthBin = 7，則binDistanceLoss = 3）。

batch_size = tf.size(truthValues_placeholder) 
labels = tf.expand_dims(truthValues_placeholder, 1) 
predictedBin = tf.argmax(logits) 
binDistanceLoss = tf.abs(tf.sub(labels, logits)) 

在這種情況下，我需要申請tf.expand_dims到predictedBin和binDistanceLoss？提前致謝。

Answer 1

expand_dims將不添加或減少張量中的元素，它只是通過將1添加到尺寸來更改形狀。例如，具有10個元素的矢量可以被視爲10x1矩陣。

我遇到的情況使用expand_dims是當我試圖建立一個ConvNet分類灰度圖像。灰度圖像將作爲大小爲[320, 320]的矩陣加載。但是，tf.nn.conv2d需要輸入爲[batch, in_height, in_width, in_channels]，其中in_channels維度在我的數據中丟失，在這種情況下應爲1。所以我用expand_dims來增加一個維度。

就你而言，我認爲你不需要expand_dims。

Answer 2

要添加到Da Tong的答案，您可能需要同時擴展多個維度。例如，如果您正在對等級1的向量執行TensorFlow的conv1d操作，則需要爲它們提供等級三。

執行expand_dims幾次是可讀的，但可能會在計算圖中引入一些開銷。你可以用reshape得到一個班輪相同的功能：

import tensorflow as tf 

# having some tensor of rank 1, it could be an audio signal, a word vector... 
tensor = tf.ones(100) 
print(tensor.get_shape()) # => (100,) 

# expand its dimensionality to fit into conv2d 
tensor_expand = tf.expand_dims(tensor, 0) 
tensor_expand = tf.expand_dims(tensor_expand, 0) 
tensor_expand = tf.expand_dims(tensor_expand, -1) 
print(tensor_expand.get_shape()) # => (1, 1, 100, 1) 

# do the same in one line with reshape 
tensor_reshape = tf.reshape(tensor, [1, 1, tensor.get_shape().as_list()[0],1]) 
print(tensor_reshape.get_shape()) # => (1, 1, 100, 1) 

注：如果你得到的錯誤TypeError: Failed to convert object of type <type 'list'> to Tensor.，試圖通過tf.shape(x)[0]而不是x.get_shape()[0]的建議here。

希望它有幫助！
乾杯，
安德烈斯