在tensorflow 2.0中添加无尺寸标注

我有一个带形状的张量

>>xx.shape

TensorShape（[32,32,256]）

如何添加前导

None

维度以获取

>>xx.shape

TensorShape（[None，32，32，256]）

我在这里看到了很多答案，但都与TF1.x有关

TF2.0的直接方法是什么？

您可以使用“无”或numpy的“新轴”来创建新维度

一般提示：您也可以使用None代替np.newaxis；事实上，这些都是问题所在

下面是解释这两个选项的代码

try:
  %tensorflow_version 2.x
except Exception:
  pass
import tensorflow as tf

print(tf.__version__)

# TensorFlow and tf.keras
from tensorflow import keras

# Helper libraries
import numpy as np

#### Import the Fashion MNIST dataset
fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()

#Original Dimension
print(train_images.shape)

train_images1 = train_images[None,:,:,:]
#Add Dimension using None
print(train_images1.shape)

train_images2 = train_images[np.newaxis is None,:,:,:]
#Add dimension using np.newaxis
print(train_images2.shape)

#np.newaxis and none are same
np.newaxis is None

上述代码的输出是

2.1.0
(60000, 28, 28)
(1, 60000, 28, 28)
(1, 60000, 28, 28)
True

---

第一个维度是否必须是

None

？您可以使用

xx[tf.newaxis]

或

tf.expand_dims（xx，0）

轻松添加单个维度。一般来说，没有很多方法可以“擦除”已知的形状信息，特别是当您处于张量不是符号的急切模式时。如果您需要

None

，原因是什么？@jdehesa在创建TF图时需要这样做，第一个维度是

None

，因为它表示批量大小。我正在尝试自己实现一个层：例如，我想要取一个张量形状的

（None，32，32，512）

，并将每四个通道相加为一个通道

yy[，：，：，：，0]=sum（xx[，：，：，：，0:16:4]），yy[，，：，1]=sum（xx[，，，：，，，：，1:17:4]）