Menghapus dimensi ukuran 1 dari bentuk tensor.
Dengan `input` tensor, operasi ini mengembalikan tensor bertipe sama dengan semua dimensi berukuran 1 dihapus. Jika Anda tidak ingin menghapus semua dimensi ukuran 1, Anda dapat menghapus dimensi ukuran 1 tertentu dengan menentukan `sumbu`.
Misalnya:
# 't' is a tensor of shape [1, 2, 1, 3, 1, 1]
shape(squeeze(t)) ==> [2, 3]
Atau, untuk menghapus dimensi ukuran 1 tertentu: # 't' is a tensor of shape [1, 2, 1, 3, 1, 1]
shape(squeeze(t, [2, 4])) ==> [1, 2, 3, 1]
Kelas Bersarang
kelas | Peras. Pilihan | Atribut opsional untuk Squeeze |
Konstanta
Rangkaian | OP_NAME | Nama operasi ini dikenal dengan mesin inti TensorFlow |
Metode Publik
Keluaran <T> | sebagai Keluaran () Mengembalikan pegangan simbolis tensor. |
Squeeze.Options statis | sumbu (Sumbu Daftar<Panjang>) |
statis <T memperluas TType > Peras <T> | |
Keluaran <T> | keluaran () Berisi data yang sama dengan `input`, tetapi satu atau lebih dimensi berukuran 1 telah dihapus. |
Metode Warisan
Konstanta
String akhir statis publik OP_NAME
Nama operasi ini dikenal dengan mesin inti TensorFlow
Metode Publik
Keluaran publik <T> sebagai Keluaran ()
Mengembalikan pegangan simbolis tensor.
Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.
sumbu Squeeze.Options statis publik (sumbu Daftar<Panjang>)
Parameter
sumbu | Jika ditentukan, hanya peras dimensi yang tertera. Indeks dimensi dimulai dari 0. Merupakan kesalahan jika memeras dimensi yang bukan 1. Harus berada dalam rentang `[-peringkat(input), peringkat(input))`. |
---|
public static Squeeze <T> buat ( Lingkup lingkup, masukan Operan <T>, Opsi... opsi)
Metode pabrik untuk membuat kelas yang membungkus operasi Squeeze baru.
Parameter
cakupan | ruang lingkup saat ini |
---|---|
masukan | `Input` untuk diperas. |
pilihan | membawa nilai atribut opsional |
Kembali
- contoh baru dari Squeeze
Keluaran publik <T> keluaran ()
Berisi data yang sama dengan `input`, namun satu atau beberapa dimensi berukuran 1 telah dihapus.