tf.sparse.expand_dims

Возвращает тензор с осью длины 1, вставленной в индекс axis.

tf.sparse.expand_dims(
    sp_input, axis=None, name=None
)

Для заданного тензора input эта операция вставляет измерение длины 1 по индексу измерения axis в форму input. Индекс измерения следует правилам индексирования Python: он начинается с нуля, а отрицательные индексы отсчитываются с конца.

Эта операция полезна, чтобы:

• Добавить внешнее измерение «пакета» к отдельному элементу.
• Выровнять оси для широковещательного распространения.
• Добавить внутреннюю ось длины вектора к тензору скаляров.

Например:

Если у вас есть разреженный тензор с формой [height, width, depth]:

sp = tf.sparse.SparseTensor(indices=[[3,4,1]], values=[7,],
                            dense_shape=[10,10,3])

Можно добавить внешнюю ось batch, передав axis=0:

tf.sparse.expand_dims(sp, axis=0).shape.as_list()
[1, 10, 10, 3]

Расположение новой оси соответствует list.insert(axis, 1) в Python:

tf.sparse.expand_dims(sp, axis=1).shape.as_list()
[10, 1, 10, 3]

Согласно стандартным правилам индексирования Python, отрицательный axis отсчитывается с конца, поэтому axis=-1 добавляет самое внутреннее измерение:

tf.sparse.expand_dims(sp, axis=-1).shape.as_list()
[10, 10, 3, 1]

Примечание: В отличие от tf.expand_dims, эта функция задаёт значение по умолчанию для axis: -1. Поэтому, если `axis is not specified`, добавляется внутреннее измерение.

sp.shape.as_list()
[10, 10, 3]
tf.sparse.expand_dims(sp).shape.as_list()
[10, 10, 3, 1]

Для этой операции требуется, чтобы axis был допустимым индексом для input.shape согласно правилам индексирования Python:

-1-tf.rank(input) <= axis <= tf.rank(input)

Эта операция связана со следующими операциями:

• tf.expand_dims, которая предоставляет эту функциональность для плотных тензоров.
• tf.squeeze, которая удаляет измерения размера 1 из плотных тензоров.
• tf.sparse.reshape, которая предоставляет более гибкие возможности изменения формы.