吴裕雄--天生自然TensorFlow2教程：维度变换

图片视图
[b, 28, 28] # 保存b张图片，28行，28列（保存数据一般行优先），图片的数据没有被破坏
[b, 28*28] # 保存b张图片，不考虑图片的行和列，只保存图片的数据，不关注图片数据的细节
[b, 2, 14*28] # 保存b张图片，把图片分为上下两个部分，两个部分具体多少行是不清楚的
[b, 28, 28, 1] # 保存b张图片，28行，28列，1个通道

First Reshape（重塑视图）

import tensorflow as tf
a = tf.random.normal([4, 28, 28, 3])
a.shape, a.ndim

tf.reshape(a, [4, 784, 3]).shape  # 给出一张图片某个通道的数据，丢失行、宽的信息

tf.reshape(a, [4, -1, 3]).shape  # 4*(-1)*3 = 4*28*28*3

tf.reshape(a, [4, 784*3]).shape  # 给出一张图片的所有数据，丢失行、宽和通道的信息

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

Second Reshape（恢复视图）

tf.reshape(tf.reshape(a, [4, -1]), [4, 28, 28, 3]).shape

tf.reshape(tf.reshape(a, [4, -1]), [4, 14, 56, 3]).shape

tf.reshape(tf.reshape(a, [4, -1]), [4, 1, 784, 3]).shape

first reshape:
images: [4,28,28,3]
reshape to: [4,784,3]

second reshape:
[4,784,3]  height:28,28  [4,28,28,3] √
[4,784,3]  height:14,56  [4,14,56,3] ×
[4,784,3]  28,height:28  [4,28,28,3] ×

Transpose（转置）

a = tf.random.normal((4, 3, 2, 1))
a.shape

tf.transpose(a).shape

tf.transpose(a, perm=[0, 1, 3, 2]).shape  # 按照索引替换维度

a = tf.random.normal([4, 28, 28, 3])  # b,h,w,c
a.shape

tf.transpose(a, [0, 2, 1, 3]).shape  # b,2,h,c

tf.transpose(a, [0, 3, 2, 1]).shape  # b,c,w,h

tf.transpose(a, [0, 3, 1, 2]).shape  # b,c,h,w

Expand_dims（增加维度）

a:[classes, students, classes]
add school dim（增加学校的维度）:
[1, 4, 35, 8] + [1, 4, 35, 8] = [2, 4, 35, 8]

a = tf.random.normal([4, 25, 8])
a.shape

tf.expand_dims(a, axis=0).shape  # 索引0前

tf.expand_dims(a, axis=3).shape  # 索引3前

tf.expand_dims(a,axis=-1).shape  # 索引-1后

tf.expand_dims(a,axis=-4).shape  # 索引-4后，即左边空白处

Squeeze（挤压维度）
Only squeeze for shape = 1 dim（只删除维度为1的维度）

[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

a = tf.zeros([1,2,1,3])
a.shape

tf.squeeze(a,axis=0).shape

tf.squeeze(a,axis=2).shape

tf.squeeze(a,axis=-2).shape

tf.squeeze(a,axis=-4).shape