### 1、视图格式的含义[] #### 图片格式 [b,28,28] b：batch多少张图片，第一个28，代表图片有多少行，第二个28代表图片有多少28列 #### 图片格式 [b,28*28] b：batch多少张图片，28*28代表图片的像素，抹除行列的概念。 #### 图片格式 [b,2,14*28] 多张图片，把图片分为上下两个部分，也抹除了行列的概念。 #### [b,28,28,1] 新增一个维度，可以代表RGB ### 2、Reshape ```py a=tf.random.normal([4,28,28,3]) # 查看维度中的详细行 a.shape # 查看有多少维度 a.ndim # 变换维度 a=tf.reshape(a,[4,28*28,3]) #如果不知道维度具体是多少，可以用-1自动转换 a=tf.reshape(a,[4,-1,3]) ``` ### 3、tf.transpose 矩阵的转置 $content=[b,h,w,c]$ **注意：reshape在恢复维度的时候，width，height不要弄错** ```py # 默认转换 T -> a.shape=([1,2,3,4]) a=tf.random.normal([4,3,2,1]) a=tf.transpose(a) # 根据指定维度索引转换perm=[0,1,3,2] # 0索引指向4，1索引只想3，3索引指向1，2索引指向2 # 所以结果为4，3，1，2 # a.shape=([4,3, 1,2]) a=tf.transpose(a,perm=[0,1,3,2]) ``` ### 4、增加维度和减少维度 #### 4.1 tf.expand_dims 增加维度 **E.g:** $a=[classes,students,courses]$ $a2=[schools,classes,students,courses]$ ```py a=tf.random.normal([4,35,8]) # a.shape=([1,4,35,8]) tf.expand_dims(a,axis=0).shape # 倒叙增加维度，a.shape=([4,35,8,1]) tf.expand_dims(a,axis=-1).shape # 倒叙增加维度，a.shape=([1,4,35,8]) tf.expand_dims(a,axis=-4).shape ``` #### 4.2 tf.squeeze 减少维度(减少维度中为1的维度) **E.g:** $a=[4,35,8,1]$ $a2=[1,4,35,8]$ ```py #默认去除维度为1的全部维度 a.shape=([2,3]) tf.squeeze(tf.zeros([1,2,1,1,3])).shape # 指定去除维度为1的维度, a.shape=([2,1,3]) a=tf.zeros([1,2,1,3]) tf.squeeze(a,axis=0).shape # 倒叙去除 a.shape=([2,1,3]) tf.squeeze(a,axis=-4) ```