Python 如何获取张量的内部维数？

my

conv2d

函数的输出是一个4-D张量

[64,32,32,64]=[批次大小、输出高度、输出宽度、过滤器数量]

。我想在输出矩阵的两边各做3行，两边各做3列。所以，这就是为什么我想创建一个类似的张量（掩码张量），大小

[64,26+3（零垫），26+3（零垫），64]

，并与原始矩阵相乘。我想访问

[26,26]

并在其上添加零填充。。。 如何获取张量的内部维数

import tensorflow as tf

drop_matrix = tf.constant(1, shape=[64, 26, 26, 64], dtype=tf.float32)
paddings = tf.constant([leave this dimension ,pick this dimension, pick this dimension, leave this dimension]  )
t = tf.pad(drop_matrix_one_full, paddings, "CONSTANT")

---

尝试此操作以从数组中删除第一个和最后一个值：

import tensorflow as tf

drop_matrix = tf.constant(1, shape=[64, 26, 26, 64], dtype=tf.float32)
paddings = tf.constant([leave this dimension ,pick this dimension, pick this dimension, leave this dimension][1:-1]  )
t = tf.pad(drop_matrix_one_full, paddings, "CONSTANT")

---

通过将

[1:-1]

作为访问器添加到数组中，您将返回一个没有第一个和最后一个元素的数组，有效地访问中间值。

您不必访问内部维度，但可以通过提供张量的每个维度的填充大小列表来填充每个维度：

>>> drop_matrix = tf.constant(1, shape=[64, 26, 26, 64], dtype=tf.float32)
>>> drop_matrix
<tf.Tensor 'Const:0' shape=(64, 26, 26, 64) dtype=float32>
>>> x = tf.pad(drop_matrix, [[0,0], [3,3], [3,3], [0,0]])
>>> x
<tf.Tensor 'Pad:0' shape=(64, 32, 32, 64) dtype=float32>

drop_matrix=tf.constant（1，shape=[64,26,26,64]，dtype=tf.float32） >>>降维矩阵 >>>x=tf.pad（drop_矩阵，[[0,0]，[3,3]，[3,3]，[0,0]） >>>x 可以使用constant_values参数将要填充的值设置为某个值，但默认值为0，因此不需要这样做。为了澄清，每个列表中的2个元素都在该维度的任一侧填充，因此[0,3]可以为该维度在一侧填充

---

编辑的示例适合这种情况

因此，基本上您是在问如何在python中访问数组的中间值？是的，完全正确……但在您的解决方案中，我想我有一个问题，我可以在一段时间内用零或任何其他常量值填充所有维度。但我不想填充我的4D张量的第一个和最后一个维度。。。我只想填充内部维度，即[26,26]：（因此使用[[0,0]，[3,3]，[3,3]，[0,0]。[3,3]，[0,0]。这会填充中间的2个维度，每边3个，但填充第一个和最后一个维度，每边0个，因此没有填充。在我的示例中，第一个维度也不会更改。这是什么意思“但是在第一个维度和最后一个维度的每一侧都用0填充，所以没有填充”？“来自Tensorflow文档”对于输入的每个维度D，填充[D，0]表示在该维度的张量内容之前要添加多少值，填充[D，1]表示在该维度的张量内容之后要添加多少值“。我想你是这个意思？？？更改了示例以更适合你的情况。是的，我的意思是，但它们使用了一种相当复杂的方式来表示索引。每边0表示添加了0个额外索引，因此没有进行填充。我尝试了这种方式t=tf.pad（drop_matrix_one_full[1:-1]，paddings，“CONSTANT”）……它不起作用：(