بعد 1 را به شکل تانسور وارد می کند.
با توجه به یک «ورودی» تانسور، این عملیات یک بعد 1 را در «محور» شاخص ابعاد شکل «ورودی» وارد می‌کند. شاخص بعد «محور» از صفر شروع می شود. اگر یک عدد منفی برای "محور" مشخص کنید، از انتهای آن به عقب شمارش می شود.
اگر بخواهید یک بعد دسته ای به یک عنصر اضافه کنید، این عملیات مفید است. برای مثال، اگر یک تصویر واحد از شکل «[ارتفاع، عرض، کانال‌ها]» دارید، می‌توانید آن را به صورت دسته‌ای از 1 تصویر با «expand_dims(image, 0)» بسازید، که شکل «[1، ارتفاع» را ایجاد می‌کند. ، عرض، کانال ها]`.
نمونه های دیگر:
# 't' is a tensor of shape [2]
shape(expand_dims(t, 0)) ==> [1, 2]
shape(expand_dims(t, 1)) ==> [2, 1]
shape(expand_dims(t, -1)) ==> [2, 1]
# 't2' is a tensor of shape [2, 3, 5]
shape(expand_dims(t2, 0)) ==> [1, 2, 3, 5]
shape(expand_dims(t2, 2)) ==> [2, 3, 1, 5]
shape(expand_dims(t2, 3)) ==> [2, 3, 5, 1]
`-1-input.dims() <= dim <= input.dims()`
این عملیات مربوط به "squeeze()" است که ابعاد اندازه 1 را حذف می کند.
روش های عمومی
| خروجی <T> | asOutput () دسته نمادین یک تانسور را برمی‌گرداند. |
| شخص <T، U گسترش تعداد> ExpandDims <T> | |
| خروجی <T> | خروجی () حاوی همان داده‌های «ورودی» است، اما شکل آن دارای یک بعد اضافی به اندازه 1 است. |
روش های ارثی
روش های عمومی
عمومی خروجی <T> asOutput ()
دسته نمادین یک تانسور را برمی‌گرداند.
ورودی های عملیات TensorFlow خروجی های عملیات تنسورفلو دیگر هستند. این روش برای به دست آوردن یک دسته نمادین که نشان دهنده محاسبه ورودی است استفاده می شود.
عمومی استاتیک ExpandDims <T> ایجاد ( محدوده دامنه، عملوند <T> ورودی، عملوند <U> محور)
روش کارخانه برای ایجاد کلاسی که یک عملیات ExpandDims جدید را بسته بندی می کند.
مولفه های
| محدوده | محدوده فعلی |
|---|---|
| محور | 0-D (اسکالر). شاخص ابعادی را مشخص می کند که در آن شکل "ورودی" گسترش می یابد. باید در محدوده «[-rank(input) - 1, rank(input)]» باشد. |
برمی گرداند
- یک نمونه جدید از ExpandDims
عمومی خروجی <T> خروجی ()
حاوی همان داده‌های «ورودی» است، اما شکل آن دارای یک بعد اضافی به اندازه 1 است.