一、按索引取数据
①tf.gather()
输入参数：数据、维度、索引
例：设数据是[4,35,8]，4个班级，每个班级35个学生，每个学生8门课成绩。
则下面In [49]的意思是，全部四个班级，每个班级取编号为2,3,7,9,16的学生，每个学生取所有8门课的成绩。
②tf.gather_nd
前面输入数据，后面填取的联合维度。只把最内层的括号当做联合索引的坐标。
下面的例子，也是一样，最内层的中括号，是一个联合索引。比如in56，第0个班级，第0号学生成绩，以及第1号班级，第1号学生的成绩。也就是每一个最内层中括号，都是一个样本，而里面的每一个数据，都相当于一个特征。
③tf.boolean_mask
按布尔值索引，不指定维度相当于是第一个维度，指定axis就会根据axis去索引。给索引矩阵也可以。
二、维度变换
①tf.reshape()
输入参数：数据，希望变成的维度
②tf.transpose()
转置，perm数字指的是数字所在位置上放哪一个原来的维度。
pytorch中图像存储维度是[b,c,h,w]，tf中是[b,h,w,c]
③tf.expand_dims()
增加维度,第一个填的是数据，第二个填的是维度，是指你希望把添加的维度作为第几维。
④tf.squeeze()
可以去掉为1的维度。不指定维度的话就去掉所有的为1的维度。
以上就是TensorFlow人工智能学习按索引取数据及维度变换详解的详细内容，更多关于TensorFlow索引维度变换的资料请关注服务器之家其它相关文章！
原文链接：https://blog.csdn.net/Swayzzu/article/details/121212492