tensorflow - Tensorflow:何时使用tf.expand_dims？

Question

Tensorflow教程包括使用tf.expand_dims向张量添加“批量尺寸”。我已经阅读了有关此功能的文档，但对我来说仍然相当神秘。有谁确切知道在什么情况下必须使用它？

我的代码如下。我的目的是根据预测仓位与实际仓位之间的距离来计算损失。 (例如，如果是predictedBin = 10和truthBin = 7，则是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，我需要将 tf.expand_dims应用于 predictedBin和 binDistanceLoss吗？提前致谢。

Answer 1

expand_dims不会在张量中添加或减少元素，它只是通过将1添加到尺寸来更改形状。例如，可以将具有10个元素的 vector 视为10x1矩阵。

我使用expand_dims遇到的情况是当我尝试构建ConvNet来对灰度图像进行分类时。灰度图像将被加载为[320, 320]大小的矩阵。但是，tf.nn.conv2d要求输入为[batch, in_height, in_width, in_channels]，其中我的数据中缺少in_channels维度，这种情况下应为1。因此，我使用expand_dims添加了更多维度。

就您而言，我认为您不需要expand_dims。