Tensorflow：如何在维数不变的情况下对张量进行切片？

【问题标题】：Tensorflow: How to slice tensor with number of dimension not changed?Tensorflow：如何在维数不变的情况下对张量进行切片？
【发布时间】：2018-08-03 09:57:11
【问题描述】：

例如，如果我们有：

a = tf.constant(np.eye(5))
a
<tf.Tensor 'Const:0' shape=(5, 5) dtype=float64>
a[0,:]
<tf.Tensor 'strided_slice:0' shape=(5,) dtype=float64>

张量切片a会将原来的维数2减少到1

我怎么能直接得到排名不变的切片：？

a[0,:]
<tf.Tensor 'strided_slice:0' shape=(1,5) dtype=float64>

（tf.expand_dims(a[0,:], axis=0) 可以，但是有没有更直接更简单的方法？）

【问题讨论】：

标签： python tensorflow

【解决方案1】：

至少有两种直接方式，与 NumPy (related question) 中可用的方式非常相似。

获取该轴上大小为 1 的范围：a[x:x+1]
用None添加一个轴：a[None, x]

a[0:1]

<tf.Tensor 'strided_slice_1:0' shape=(1, 5) dtype=float64>

一些实际的张量运行显示了预期的结果。

with tf.Session() as sess:
    sess.run(a[0])
    sess.run(a[0:1])
    sess.run(a[None, 0])

array([1., 0., 0., 0., 0.])
array([[1., 0., 0., 0., 0.]])
array([[1., 0., 0., 0., 0.]])

【讨论】：