什么是火炬与张量流的解压等价？答案

【问题标题】：what is torch's unsqueeze equivalence with tensorflow?什么是火炬与张量流的解压等价？
【发布时间】：2020-09-28 02:14:38
【问题描述】：

torch 与 tensorflow 的 unsqueeze 等价性是什么？

#tensorflow auto-broadcasts singleton dimensions
lower_bounds = tf.argmax(set_1[:, :2].unsqueeze(1), set_2[:, :2].unsqueeze(0))  # (n1, n2, 2)
upper_bounds = tf.argmin(set_1[:, 2:].unsqueeze(1), set_2[:, 2:].unsqueeze(0))  # (n1, n2, 2)

【问题讨论】：

标签： tensorflow pytorch tensorflow2.0 torch

【解决方案1】：

也许你想试试这个： tf.expand_dims(x, axis)

【讨论】：

【解决方案2】：

tf.expand_dims 就是你要找的。p>

tf.expand_dims(
    input, axis, name=None
)

给定一个张量输入，此操作在输入形状的维度索引轴处插入一个大小为 1 的维度。维度索引轴从零开始；如果您为轴指定负数，则从末尾向后计数。

例子

t = [[1, 2, 3],[4, 5, 6]]       # [2, 3]
tf.shape(tf.expand_dims(t, 0))  # [1, 2, 3]
tf.shape(tf.expand_dims(t, 1))  # [2, 1, 3]
tf.shape(tf.expand_dims(t, -1)) # [2, 3, 1]

【讨论】：