Tensorflow tf.expand_dims

包含以下代码：

batch_size = tf.size(labels)
labels = tf.expand_dims(labels, 1)
indices = tf.expand_dims(tf.range(0, batch_size, 1), 1)
concated = tf.concat(1, [indices, labels])
onehot_labels = tf.sparse_to_dense(concated, tf.pack([batch_size, NUM_CLASSES]), 1.0, 0.0)

---

第二行将标注添加到

标签

张量。但是，

标签

是通过提要字典传入的，因此它应该已经有了shape

[batch\u size，NUM\u CLASSES]

。如果是这样的话，为什么这里要使用

expand\u dims

？

那本教程已经很老了。您引用的是0.6版，而截至2016年11月20日的版本是0.11版。所以在v0.6的时候有很多不同的功能

无论如何，要回答你的问题：

mnist中的标签仅编码为数字0-9。然而，损失函数期望标签编码为一个热向量

标签不是

[batch\u size，NUM\u CLASSES]

在该示例中，它只是

[batch\u size]

这可以通过类似的numpy函数来实现。此外，他们还提供了从tensorflow中的mnist数据集中获取标签的函数，作为一个热向量，它已经具有您所述的形状