Tensorflow：何时使用tf.expand_dims？

Question

Tensorflow教程包括使用tf.expand_dims将“批量维”添加到张量中。我已经阅读了这个功能的文档，但它对我仍然很神秘。有谁知道在什么情况下必须使用？

我的代码如下。我的意图是根据预测箱和实际箱之间的距离来计算损失。 （例如，如果predictedBin = 10和truthBin = 7，则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)) 

在这种情况下，我需要申请tf.expand_dims到predictedBin和binDistanceLoss？提前致谢。

Answer 1

expand_dims将不添加或减少张量中的元素，它只是通过将1添加到尺寸来更改形状。例如，具有10个元素的矢量可以被视为10x1矩阵。

我遇到的情况使用expand_dims是当我试图建立一个ConvNet分类灰度图像。灰度图像将作为大小为[320, 320]的矩阵加载。但是，tf.nn.conv2d需要输入为[batch, in_height, in_width, in_channels]，其中in_channels维度在我的数据中丢失，在这种情况下应为1。所以我用expand_dims来增加一个维度。

就你而言，我认为你不需要expand_dims。

Answer 2

要添加到Da Tong的答案，您可能需要同时扩展多个维度。例如，如果您正在对等级1的向量执行TensorFlow的conv1d操作，则需要为它们提供等级三。

执行expand_dims几次是可读的，但可能会在计算图中引入一些开销。你可以用reshape得到一个班轮相同的功能：

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：如果你得到的错误TypeError: Failed to convert object of type <type 'list'> to Tensor.，试图通过tf.shape(x)[0]而不是x.get_shape()[0]的建议here。

希望它有帮助！
干杯，
安德烈斯