如何使用tensorflow的expand_dims和squeeze函数进行tensor维度的扩展与压缩？

本文共计529个文字，预计阅读时间需要3分钟。

在利用TensorFlow进行文本挖掘工作时，经常涉及维度扩展和压缩操作。例如，在完成文本的embedding操作后，若需进行卷积操作，就需要对嵌入向量进行维度扩展。具体来说，需要将[batch_size, em]的嵌入向量扩展为[batch_size, em, 1]或[batch_size, 1, em]的形状，以便与卷积核进行矩阵乘法。

在利用tensorflow进行文本挖掘工作的时候，经常涉及到维度扩展和压缩工作。比如对文本进行embedding操作完成之后，若要进行卷积操作，就需要对embedded的向量扩展维度，将[batch_size, embedding_dims]扩展成为[batch_size, embedding_dims, 1]，利用tf.expand_dims(input, -1)就可实现，反过来用squeeze(input, -1)或者tf.squeeze（input）也可以把最第三维去掉。