tf.squeeze/tf.expand_dims

在git上的FM开源代码中看到了这样子的用法

https://github.com/Aifcce/FM-FFM/blob/master/model/FM.py

batch_weights = tf.squeeze(batch_weights, axis=2)

df_v = tf.expand_dims(df_v, axis=2)

tf.squeeze是降维，把维度为1的去掉，我的理解是，这个代码把dense feature和sparse feature在数据预处理时放到了一起，在进行embedding look up时，dense feature的维度为1(index id为同一个值)，因此要进行过滤。

而每个sparse feature的维度不一样，用 tf.expand_dims把维度拉齐。