Tensorflow 将维度展开为张量并赋值

我的张量形状是32,4

input_boxes =  [
                 [1,2,3,4],
                 [2,2,6,4],
                 [[1,5,3,4],[1,3,3,8]],#some row has two 
                 [1,2,3,4],#some has one row
                 [[1,2,3,4],[1,3,3,4]],
                 [1,7,3,4],
                  ......
                 [1,2,3,4]
               ]

我喜欢在第一列扩展到32,5，比如tf.expand_dims（输入框，0）。 然后将值赋给第一列，行数如下

input_boxes =  [
                 [0,1,2,3,4],
                 [1,2,2,6,4],
                 [[2,1,5,3,4],[2,1,3,3,8]],#some row has two 
                 [3,1,2,3,4],#some has one row
                 [[4,1,2,3,4],[4,1,3,3,4]],
                 [5,1,7,3,4],
                  ......
                 [31,1,2,3,4]
               ]

---

如何使用Tensorflow？

在这里提及解决方案（答案部分），尽管它出现在评论部分（感谢

jdehesa

），但这是为了社区的利益

例如，我们有一个形状为（7,4）的张量，如下所示：

import tensorflow as tf

input_boxes =  tf.constant([[1,2,3,4],
                 [2,2,6,4],
                 [1,5,3,4],
                 [1,2,3,4],
                 [1,2,3,4],
                 [1,7,3,4],
                 [1,2,3,4]])

print(input_boxes)

input_boxes = tf.concat([tf.dtypes.cast(tf.expand_dims(tf.range(tf.shape(input_boxes)[0]), 1), input_boxes.dtype), input_boxes], axis=1)
print(input_boxes)

<tf.Tensor: shape=(7, 5), dtype=int32, numpy=
array([[0, 1, 2, 3, 4],
       [1, 2, 2, 6, 4],
       [2, 1, 5, 3, 4],
       [3, 1, 2, 3, 4],
       [4, 1, 2, 3, 4],
       [5, 1, 7, 3, 4],
       [6, 1, 2, 3, 4]], dtype=int32)>

代码到在第一列处展开到（7,5），其中第一列的值为相应的行号，如下所示：

import tensorflow as tf

input_boxes =  tf.constant([[1,2,3,4],
                 [2,2,6,4],
                 [1,5,3,4],
                 [1,2,3,4],
                 [1,2,3,4],
                 [1,7,3,4],
                 [1,2,3,4]])

print(input_boxes)

input_boxes = tf.concat([tf.dtypes.cast(tf.expand_dims(tf.range(tf.shape(input_boxes)[0]), 1), input_boxes.dtype), input_boxes], axis=1)
print(input_boxes)

<tf.Tensor: shape=(7, 5), dtype=int32, numpy=
array([[0, 1, 2, 3, 4],
       [1, 2, 2, 6, 4],
       [2, 1, 5, 3, 4],
       [3, 1, 2, 3, 4],
       [4, 1, 2, 3, 4],
       [5, 1, 7, 3, 4],
       [6, 1, 2, 3, 4]], dtype=int32)>

上述代码的输出如下所示：

import tensorflow as tf

input_boxes =  tf.constant([[1,2,3,4],
                 [2,2,6,4],
                 [1,5,3,4],
                 [1,2,3,4],
                 [1,2,3,4],
                 [1,7,3,4],
                 [1,2,3,4]])

print(input_boxes)

input_boxes = tf.concat([tf.dtypes.cast(tf.expand_dims(tf.range(tf.shape(input_boxes)[0]), 1), input_boxes.dtype), input_boxes], axis=1)
print(input_boxes)

<tf.Tensor: shape=(7, 5), dtype=int32, numpy=
array([[0, 1, 2, 3, 4],
       [1, 2, 2, 6, 4],
       [2, 1, 5, 3, 4],
       [3, 1, 2, 3, 4],
       [4, 1, 2, 3, 4],
       [5, 1, 7, 3, 4],
       [6, 1, 2, 3, 4]], dtype=int32)>

---

希望这有帮助。学习愉快

在这里提及解决方案（答案部分），即使它出现在评论部分（感谢

jdehesa

），也是为了社区的利益

例如，我们有一个形状为（7,4）的张量，如下所示：

import tensorflow as tf

input_boxes =  tf.constant([[1,2,3,4],
                 [2,2,6,4],
                 [1,5,3,4],
                 [1,2,3,4],
                 [1,2,3,4],
                 [1,7,3,4],
                 [1,2,3,4]])

print(input_boxes)

input_boxes = tf.concat([tf.dtypes.cast(tf.expand_dims(tf.range(tf.shape(input_boxes)[0]), 1), input_boxes.dtype), input_boxes], axis=1)
print(input_boxes)

<tf.Tensor: shape=(7, 5), dtype=int32, numpy=
array([[0, 1, 2, 3, 4],
       [1, 2, 2, 6, 4],
       [2, 1, 5, 3, 4],
       [3, 1, 2, 3, 4],
       [4, 1, 2, 3, 4],
       [5, 1, 7, 3, 4],
       [6, 1, 2, 3, 4]], dtype=int32)>

代码到在第一列处展开到（7,5），其中第一列的值为相应的行号，如下所示：

import tensorflow as tf

input_boxes =  tf.constant([[1,2,3,4],
                 [2,2,6,4],
                 [1,5,3,4],
                 [1,2,3,4],
                 [1,2,3,4],
                 [1,7,3,4],
                 [1,2,3,4]])

print(input_boxes)

input_boxes = tf.concat([tf.dtypes.cast(tf.expand_dims(tf.range(tf.shape(input_boxes)[0]), 1), input_boxes.dtype), input_boxes], axis=1)
print(input_boxes)

<tf.Tensor: shape=(7, 5), dtype=int32, numpy=
array([[0, 1, 2, 3, 4],
       [1, 2, 2, 6, 4],
       [2, 1, 5, 3, 4],
       [3, 1, 2, 3, 4],
       [4, 1, 2, 3, 4],
       [5, 1, 7, 3, 4],
       [6, 1, 2, 3, 4]], dtype=int32)>

上述代码的输出如下所示：

import tensorflow as tf

input_boxes =  tf.constant([[1,2,3,4],
                 [2,2,6,4],
                 [1,5,3,4],
                 [1,2,3,4],
                 [1,2,3,4],
                 [1,7,3,4],
                 [1,2,3,4]])

print(input_boxes)

input_boxes = tf.concat([tf.dtypes.cast(tf.expand_dims(tf.range(tf.shape(input_boxes)[0]), 1), input_boxes.dtype), input_boxes], axis=1)
print(input_boxes)

<tf.Tensor: shape=(7, 5), dtype=int32, numpy=
array([[0, 1, 2, 3, 4],
       [1, 2, 2, 6, 4],
       [2, 1, 5, 3, 4],
       [3, 1, 2, 3, 4],
       [4, 1, 2, 3, 4],
       [5, 1, 7, 3, 4],
       [6, 1, 2, 3, 4]], dtype=int32)>

---

希望这有帮助。学习愉快

我不明白

输入框的形状

，如果是

（32,4）

，怎么会有一些行有两个“子行”？或者，

input\u box

只是一个Python列表？您如何在TensorFlow中表示这些数据？另外，

tf.expand\u dims

不会增加轴的大小，就像（我认为）您想要的那样，它只是添加了一个新的单体维度-因此，例如，如果

input\u box

具有shape

（32,4）

，tf.expand\u dims（input\u box，0）将具有shape

（1,32,4）

。是的，我需要找出两行和一行。比如说，如果我想从（32,4）更改为（32,5），我如何更改和更新行号呢？这个简单的例子有一个形状为

（32,4）

的张量，只需执行

tf.concat（[tf.dtypes.cast（tf.expand_-dims）（tf.range（tf.shape（input_-box）[0]），1），input_-box.dtype），input_-box]，axis=1）

。你的效率非常高。如何将行索引分配给第一列？

tf.range（tf.shape（input_box）[0]）

生成一个从0到31的向量，然后使用

expand_dims

将其转换为

（32,1）

矩阵，然后进行铸造以匹配

input_box

类型（例如，如果它不是整数），然后沿着水平轴

concat

。我不明白

输入框的形状，如果它是
（32,4）
，怎么会有一些带有两个“子行”的行呢？或者，
input\u box
只是一个Python列表？您如何在TensorFlow中表示这些数据？另外，
tf.expand\u dims
不会增加轴的大小，就像（我认为）您想要的那样，它只是添加了一个新的单体维度-因此，例如，如果
input\u box
具有shape
（32,4）
，tf.expand\u dims（input\u box，0）

将具有shape

（1,32,4）

。是的，我需要找出两行和一行。比如说，如果我想从（32,4）更改为（32,5），我如何更改和更新行号呢？这个简单的例子有一个形状为

（32,4）

的张量，只需执行

tf.concat（[tf.dtypes.cast（tf.expand_-dims）（tf.range（tf.shape（input_-box）[0]），1），input_-box.dtype），input_-box]，axis=1）

。你的效率非常高。如何将行索引分配给第一列？

tf.range（tf.shape（input_box）[0]）

生成一个从0到31的向量，然后使用

expand_dims

将其转换为

（32,1）

矩阵，然后进行铸造以匹配

input_box

类型（例如，如果它不是整数），然后沿水平轴

concat

。