TensorFlow 函式用法講解

1.tf.split 切割張量

2.tf.transpose 張量指定維度交換

3. tf.concat 指定維度連線

4.tf.reshape(tensor,shape,name) 轉換維度

5. tf.pad(tensor,paddings,mode,name,constant_values) 張量值填充

api原型（tensorflow 1.8.0）：

tf.split(
value,
num_or_size_splits,
axis=0,
num=none,
name='split'
)

這個函式是用來切割張量的。輸入切割的張量和引數，返回切割的結果。

value傳入的就是需要切割的張量。

這個函式有兩種切割的方式：比如說乙個20 * 30 * 40的張量

有兩種切割方式：

1. 如果num_or_size_splits傳入的是乙個整數，這個整數代表這個張量最後會被切成幾個小張量。此時，傳入axis的數值就代表切割哪個維度（從0開始計數）。呼叫tf.split(my_tensor, 2，0)返回兩個10 * 30 * 40的小張量。

2. 如果num_or_size_splits傳入的是乙個向量，那麼向量有幾個分量就分成幾份，切割的維度還是由axis決定。比如呼叫tf.split(my_tensor, [10, 5, 25], 2)，則返回三個張量分別大小為 20 * 30 * 10、20 * 30 * 5、20 * 30 * 25。很顯然，傳入的這個向量各個分量加和必須等於axis所指示原張量維度的大小(10 + 5 + 25 = 40)。

tf.transpose(input, [dimension_1, dimenaion_2,..,dimension_n]):這個函式主要適用於交換輸入張量的不同維度用的，如果輸入張量是二維，就相當是轉置。dimension_n是整數，如果張量是三維，就是用0,1,2來表示。這個列表裡的每個數對應相應的維度。如果是[2,1,0]，就把輸入張量的第三維度和第一維度交換。

import tensorflow as tf
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
x = tf.transpose(a, [1, 0])
with tf.session() as sess:
print(a)
print(sess.run(x))
print(a.shape, x.shape)

輸出：

[[1 2 3]

[4 5 6]]

[[1 4]

[2 5]

[3 6]]

(2, 3) (3, 2)

tf.concat(concat_dim, values, name='concat') 在指定維度，連線多個向量

import tensorflow as tf
# tensor t3 with shape [2, 3]
# tensor t4 with shape [2, 3]
tf.shape(tf.concat(0, [t3, t4])) ==> [4, 3]
tf.shape(tf.concat(1, [t3, t4])) ==> [2, 6]

inputss = tf.reshape(inputs, [-1, 2*h]) # inputs [b,t,2h] -> [b*t,2h]
ip = tf.matmul(inputss, w) # ip [b*t,2h]*[2h,4]=[b*t,4]
ip = tf.reshape(ip, [-1, t, num_tags]) # ip [b*t,4]->[b,t,4]

tensor是要填充的張量

padings 也是乙個張量，代表每一維填充多少行/列，但要求它的rank一定要和tensor的rank一樣

mode 可以取三個值，分別是"constant" ,"reflect","symmetric"

mode="constant" 是填充0

mode="reflect"是對映填充，上下（1維）填充順序和paddings是相反的，左右（零維）順序補齊

mode="symmetric"是對稱填充，上下（1維）填充順序是和paddings相同的，左右（零維）對稱補齊

constant_values 指定mode=constant 時，填充的值

t=[[2,3,4], [5,6,7]]
sess.run(tf.pad(t, [[1,2],[2,3]], mode="constant"))
輸出結果為：
array([[0, 0, 0, 0, 0, 0, 0, 0],
[0, 0, 2, 3, 4, 0, 0, 0],
[0, 0, 5, 6, 7, 0, 0, 0],
[0, 0, 0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 0, 0, 0]], dtype=int32)
可以看到，上，下，左，右分別填充啦1,2,2,3行，剛好和paddings=[[1,2],[2,3]]相等，零填充

TensorFlow 函式用法講解

tensorflow一些函式用法筆記

TensorFlow基本用法

Tensorflow 筆記第一講

TensorFlow 函式用法講解

tensorflow一些函式用法筆記

TensorFlow基本用法

Tensorflow 筆記 第一講

相關推薦

Tensorflow 筆記第一講