TensorFlow是否提供降维API？如何降维指定张量，是否存在tf.reduce_dims()？

嘿，关于TensorFlow里的降维API，我刚好有不少实践经验，来给你梳理下：首先明确TensorFlow并没有tf.reduce_dims()这个官方API，不过有好几种简单的方法能实现你想要的降维（展平）需求，针对你给出的张量[[1,2], [3,4], [5,6]]，下面是几种常用方案：

1. 用tf.reshape()手动调整形状 #

这是最灵活的方式，能精准控制张量的目标形状。对于你的例子，要把二维张量变成一维，代码可以这么写：

import tensorflow as tf

tensor = tf.constant([[1,2], [3,4], [5,6]])
# 方法1：用-1让TensorFlow自动计算维度大小，一步展平成一维
flattened = tf.reshape(tensor, [-1])
# 方法2：也可以手动计算总元素数指定形状
flattened = tf.reshape(tensor, [tensor.shape[0] * tensor.shape[1]])
print(flattened)  # 输出: tf.Tensor([1 2 3 4 5 6], shape=(6,), dtype=int32)

这里的-1是个小技巧，会让框架自动推导这个维度的长度，特别适合不想手动计算的场景。

2. 用tf.flatten()快速展平（TensorFlow 2.4+可用） #

如果你的TensorFlow版本在2.4及以上，直接用tf.flatten()是最省心的，它会直接把任意维度的张量展平成一维：

flattened = tf.flatten(tensor)
print(flattened)  # 输出同样是tf.Tensor([1 2 3 4 5 6], shape=(6,), dtype=int32)

这个方法代码最简洁，适合不需要复杂形状调整，单纯要展平的场景。

3. 额外补充：tf.squeeze()（针对维度大小为1的情况） #

顺便提个常用的降维操作——tf.squeeze()，它是用来移除张量中所有大小为1的维度的。比如如果你的张量是[[[1],[2]], [[3],[4]], [[5],[6]]]（形状(3,2,1)），想要去掉最后一个大小为1的维度，就可以这么用：

tensor_3d = tf.constant([[[1],[2]], [[3],[4]], [[5],[6]]])
squeezed = tf.squeeze(tensor_3d, axis=-1)
print(squeezed)  # 输出: tf.Tensor([[1 2] [3 4] [5 6]], shape=(3,2), dtype=int32)

不过这个方法不适合你当前的例子，因为你要合并的维度大小不是1，但也是日常开发中高频用到的降维手段，所以顺便给你提一下~

另外你提到的tf.expand_dims()是用来增加维度的，刚好和这些降维操作互为反向操作，比如你用tf.expand_dims(flattened, axis=-1)就能把一维张量变回形状(6,1)的二维张量。

内容的提问来源于stack exchange，提问作者walkerlala