numpy.expand_dims

`numpy.expand_dims`函数用于在指定维度上进行扩充。该函数的语法如下：

numpy.expand_dims(arr, axis)

其中，`arr`表示要进行扩充的数组，`axis`表示要扩充的维度。该函数会在指定维度上增加一个维度，从而扩充数组的维度。

以下是`numpy.expand_dims`函数的使用示例：

import numpy as np

# 定义一个数组
a = np.ones((4, 2))
print(a.shape)  # 输出：(4, 2)

# 在第二个维度上进行扩充
b = np.expand_dims(a, axis=1)
print(b.shape)  # 输出：(4, 1, 2)

# 在第二个维度上进行扩充（第二种方法）
c = a[:, np.newaxis, :]
print(c.shape)  # 输出：(4, 1, 2)

# 在第二个维度上进行扩充（第三种方法）
d = a[:, None, :]
print(d.shape)  # 输出：(4, 1, 2)

相关问题

python np.expand_dims函数

`np.expand_dims` 是 numpy 库中的一个函数，用于在特定的轴上扩展数组的维度。它的基本语法如下：

numpy.expand_dims(array, axis)

其中，`array` 表示要扩展的数组，`axis` 表示要在哪个轴上进行扩展。例如，对于一个二维数组 `a`，如果我们想在第一维度上添加一个新的维度，可以使用以下代码：

import numpy as np

a = np.array([[1,2],[3,4]])
b = np.expand_dims(a, axis=0)
print(b.shape)  # (1,2,2)

上述代码中，`a` 是一个 2x2 的二维数组，我们使用 `np.expand_dims` 在第一维度上添加了一个新的维度，得到了一个 1x2x2 的三维数组 `b`。可以看到，新数组的第一维度长度为 1，而原数组在第一维度上的长度为 2，其他维度保持不变。

需要注意的是，如果 `axis` 参数为负数，则表示从后往前数的轴号。例如，`axis=-1` 表示在最后一个轴上进行扩展。

torch.expand_dims

`torch.expand_dims`是PyTorch中的一个函数，用于在给定维度上扩展张量的形状。它的作用类似于NumPy中的`np.expand_dims`函数。

具体而言，`torch.expand_dims(input, dim)`会在输入张量`input`的指定维度`dim`上插入一个维度，从而扩展张量的形状。例如，如果`input`是一个形状为(3, 4)的张量，而`dim=0`，则`torch.expand_dims(input, dim)`将返回一个形状为(1, 3, 4)的张量，其中第一个维度被插入到原始张量的第0个维度上。

下面是一个示例：

import torch

x = torch.randn(3, 4)
print(x.shape)  # 输出: torch.Size([3, 4])

# 在维度0上扩展张量
y = torch.expand_dims(x, 0)
print(y.shape)  # 输出: torch.Size([1, 3, 4])

# 在维度1上扩展张量
z = torch.expand_dims(x, 1)
print(z.shape)  # 输出: torch.Size([3, 1, 4])

在这个示例中，我们首先创建了一个形状为(3, 4)的张量`x`。然后，我们使用`torch.expand_dims`函数在维度0和1上分别扩展了张量。注意，在维度0上扩展张量会在新的第0维上插入一个维度，因此输出的形状为(1, 3, 4)。而在维度1上扩展张量会在新的第1维上插入一个维度，因此输出的形状为(3, 1, 4)。