Python中重塑字典张量形状：合并双单通道张量为双通道

你需要的是将两个单通道张量在通道维度（最后一维）合并，而tf.expand_dims只是给单个张量增加维度，无法实现多张量的合并，以下是两种可行方法：

方法一：使用tf.concat（推荐） #

直接在最后一维（axis=-1）拼接两个张量，这是最直接的方式：

# 假设字典的两个键为key0和key1，根据你的实际键名替换
tensor1 = my_dict["key0"]
tensor2 = my_dict["key1"]
combined_tensor = tf.concat([tensor1, tensor2], axis=-1)

拼接后combined_tensor的形状就是([612, 41, 41, 2])，完全符合CNN输入要求。

方法二：使用tf.stack配合tf.squeeze #

先通过tf.stack在最后一维堆叠两个张量，再挤压掉多余的维度：

tensor1 = my_dict["key0"]
tensor2 = my_dict["key1"]
stacked_tensor = tf.stack([tensor1, tensor2], axis=-1)
# stacked_tensor形状为([612, 41, 41, 1, 2])，挤压倒数第二维
combined_tensor = tf.squeeze(stacked_tensor, axis=-2)

最终得到的张量形状同样是([612, 41, 41, 2])。

关键说明 #

• tf.expand_dims的作用是给单个张量新增维度，你之前的操作会把([612,41,41,1])变成([612,41,1,41,1])，这和合并两个张量的需求完全不符，所以无法达到目的。
• 两种方法中，tf.concat更高效，因为不需要额外的维度挤压操作，优先使用。

内容的提问来源于stack exchange，提问作者lola