一、reshape

import tensorflow as tf

a = tf.random.normal([4, 28, 28, 3])
print(a.shape, "\t", a.ndim)
print(tf.reshape(a, [4, 784, 3]).shape)

需要注意的是，转换后的各个维度上的数值乘积要和reshape前相等
在这里插入图片描述

如果一个张量的是很高维的，合并后的维度数值不好计算，可以用-1代替，系统会自动计算，但是-1只能出现一次

b = tf.random.normal([12, 20, 45, 10, 16])
print(tf.reshape(b, [12, -1, 16]).shape)

在这里插入图片描述

二、transpose

其功能类似于矩阵转置，若是多维张量，则是维度倒置。并且还可以用参数perm指定任意维度间的转换。

代码如下（示例）：

c = tf.random.normal([4, 5, 8, 2])
#默认情况是倒置 输出为：【2，8，5，4】
print(tf.transpose(c).shape)
#若有perm，则表示：转换后的索引0维度是原来索引为2的维度，
#1号维度是之前0号维度，2号维度是之前的3号维度，3号维度是之前的1号维度
#所以输出为【8，4，2，5】
print(tf.transpose(c, perm=[2, 0, 3, 1]).shape)

在这里插入图片描述

三、squeeze

给定一个张量，squeeze可以去除那些数值为1的维度例如：【4，28，1，3，1】——>【4，28，3】
当然也可以给定axis值，用于指定去除某一特定维度，这里的索引仍然可以用负数表示，需要注意：用axis指定坐标轴时，该坐标轴上的数值必须为1

代码如下（示例）：

e = tf.random.normal([1, 3, 2, 1, 1, 6])
print(tf.squeeze(e).shape)            #默认情况下去除所有1的坐标轴
print(tf.squeeze(e, axis=3).shape)    #去除索引为3的坐标轴
print(tf.squeeze(e, axis=-2).shape)   #去除倒数第2个坐标轴
print(tf.squeeze(e, axis=-1).shape)   #倒数第1个坐标轴为6，不能去除，会报错

在这里插入图片描述

四、expand_dims

扩充维度，可指定在哪个维度之间增加维度
代码如下（示例）：

d = tf.random.normal([4, 8, 2])
print(tf.expand_dims(d, axis=1).shape)
print(tf.expand_dims(d, axis=0).shape)
print(tf.expand_dims(d, axis=3).shape)
print(tf.expand_dims(d, axis=-1).shape)