Python Tensorflow:如何在不改变维数的情况下切片张量?
例如,如果我们有:Python Tensorflow:如何在不改变维数的情况下切片张量?,python,tensorflow,Python,Tensorflow,例如,如果我们有: a = tf.constant(np.eye(5)) a <tf.Tensor 'Const:0' shape=(5, 5) dtype=float64> a[0,:] <tf.Tensor 'strided_slice:0' shape=(5,) dtype=float64> (tf.expand_dims(a[0,:],axis=0)可以工作,但是否有更直接、更简单的方法?至少有两种直接方法,与NumPy中可用的方法非常类似() 在该轴上获取大小
a = tf.constant(np.eye(5))
a
<tf.Tensor 'Const:0' shape=(5, 5) dtype=float64>
a[0,:]
<tf.Tensor 'strided_slice:0' shape=(5,) dtype=float64>
(
tf.expand_dims(a[0,:],axis=0)
可以工作,但是否有更直接、更简单的方法?至少有两种直接方法,与NumPy中可用的方法非常类似()
a[x:x+1]
None
的轴:a[None,x]
a[0:1]
数组([1,0,0,0,0.]))
数组([[1,0,0,0,0.]]
数组([[1,0,0,0,0.]]
a[0,:]
<tf.Tensor 'strided_slice:0' shape=(1,5) dtype=float64>
<tf.Tensor 'strided_slice_1:0' shape=(1, 5) dtype=float64>