Tensorflow: tf.expand_dims kullanıldığında?

Question

Tensorflow eğiticileri, bir tensöre "toplu boyut" eklemek için tf.expand_dims kullanımını içerir. Bu işlev için dokümanlar okudum ama hala benim için oldukça gizemli. Bunun hangi koşullarda kullanılması gerektiğini bilen var mı?

Kodum aşağıda. Amacım, öngörülen ve gerçek kutular arasındaki mesafeye bağlı olarak bir kayıp hesaplamaktır. (Örneğin, predictedBin = 10 ve truthBin = 7, daha sonra binDistanceLoss = 3). Bu durumda

batch_size = tf.size(truthValues_placeholder) 
labels = tf.expand_dims(truthValues_placeholder, 1) 
predictedBin = tf.argmax(logits) 
binDistanceLoss = tf.abs(tf.sub(labels, logits)) 

, ben predictedBin ve binDistanceLoss için tf.expand_dims uygulamak gerekir? Şimdiden teşekkürler.

Answer 1

expand_dims, tensördeki öğeleri eklemeyecek veya azaltmayacak, boyutlara 1 ekleyerek şekli değiştirecektir. Örneğin, 10 elementli bir vektör 10x1 matris olarak ele alınabilir.

expand_dims numaralı telefonu kullanmak için karşılaştığım durum, gri tonlamalı görüntüleri sınıflandırmak için bir ConvNet oluşturmaya çalıştığım zamandı. Gri tonlamalı görüntüler, [320, 320] boyutunda matris olarak yüklenir. Ancak, tf.nn.conv2d,boyutunun eksik olduğu ve bu durumda 1 olması gereken girdinin eksik olduğu [batch, in_height, in_width, in_channels] olması gerekir. Bu yüzden bir tane daha boyut eklemek için expand_dims'u kullandım.

Sizin durumunuzda, expand_dims'a ihtiyacınız olduğunu düşünmüyorum.

Answer 2

Da Tong'un yanıtına eklemek için, aynı anda birden fazla boyutu genişletmek isteyebilirsiniz. Örneğin, TensorFlow'un conv1d işlemini sıra 1'in vektörlerinde gerçekleştiriyorsanız, bunları üçüncü sırayla beslemeniz gerekir. expand_dims10'un birkaç kez gerçekleştirilmesi okunabilir, ancak hesaplama grafiğine biraz yük getirebilir. Sen reshape ile tek astarın içinde aynı işlevselliği elde edebilirsiniz:

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) 

NOT: hatayı TypeError: Failed to convert object of type <type 'list'> to Tensor. olsun durumda, here önerildiği gibi tf.shape(x)[0] geçmesi yerine x.get_shape()[0] deneyin.

Umut eder!
Alkış,
Andres