时间:2021-05-22
有一段时间没用tensorflow了,现在跑实验还是存在一些坑了,主要是关于张量计算的问题。tensorflow升级1.0版本后与以前的版本并不兼容,可能出现各种奇奇怪怪的问题。
1 tf.concat函数
tensorflow1.0以前函数用法:tf.concat(concat_dim, values, name='concat'),第一个参数为连接的维度,可以将几个向量按指定维度连接起来。
如:
t1 = [[1, 2, 3], [4, 5, 6]]t2 = [[7, 8, 9], [10, 11, 12]]#按照第0维连接tf.concat(0, [t1, t2]) ==> [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]#按照第1维连接tf.concat(1, [t1, t2]) ==> [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12]]tf.concat的作用主要是将向量按指定维连起来,其余维度不变;而1.0版本以后,函数的用法变成:
t1 = [[1, 2, 3], [4, 5, 6]]t2 = [[7, 8, 9], [10, 11, 12]]#按照第0维连接tf.concat( [t1, t2],0) ==> [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]#按照第1维连接tf.concat([t1, t2],1) ==> [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12]]位置变了,需要注意。
2 tf.stack函数
用法:stack(values, axis=0, name=”stack”):
“”“Stacks a list of rank-R tensors into one rank-(R+1) tensor.
x = tf.constant([1, 4])y = tf.constant([2, 5])z = tf.constant([3, 6])tf.stack([x,y,z]) ==> [[1,4],[2,5],[3,6]]tf.stack([x,y,z],axis=0) ==> [[1,4],[2,5],[3,6]]tf.stack([x,y,z],axis=1) ==> [[1, 2, 3], [4, 5, 6]]tf.stack将一组R维张量变为R+1维张量。注意:tf.pack已经变成了tf.stack
3.tf.reshape
用法:reshape(tensor, shape, name=None):主要通过改变张量形状,可以从高维变低维,也可以从低维变高维;
a = tf.Variable(initial_value=[[1,2,3],[4,5,6]]) ==> shape:[2,3]b = tf.Variable(initial_value=[[[1,2,3],[4,5,6]],[[7,8,9],[1,0,2]]]) ==> shape:[2,2,3]a_1 = tf.reshape(a,[2,1,1,3]) ==> [[[[1,2,3]]],[[[4,5,6]]]]a_2 = tf.reshape(a,[2,1,3]) ==> [[[1,2,3]],[[4,5,6]]]b_1 = tf.reshape(b,[2,2,1,3]) ==> [[[[1,2,3]],[[4,5,6]]],[[[7,8,9]],[[1,0,2]]]]new_1 = tf.concat([b_1,a_1],1)new_2 = tf.reshape(tf.concat([b,a_2],1),[2,3,1,3])"""new_1:[[[[1 2 3]] [[4 5 6]] [[1 2 3]]] [[[7 8 9]] [[1 0 2]] [[4 5 6]]]]new_2;[[[[1 2 3]] [[4 5 6]] [[1 2 3]]] [[[7 8 9]] [[1 0 2]] [[4 5 6]]]]补充知识:tensorflow中的reshape(tensor,[1,-1])和reshape(tensor,[-1,1])
和python 中的reshape用法应该一样
import tensorflow as tfa = [[1,2],[3,4],[5,6]]tf.reshape(a,[-1,1])Out[13]: <tf.Tensor 'Reshape_4:0' shape=(6, 1) dtype=int32>tf.reshape(tf.reshape(a,[-1,1]),[1,-1])Out[14]: <tf.Tensor 'Reshape_6:0' shape=(1, 6) dtype=int32>tf.reshape(tensor,[-1,1])将张量变为一维列向量
tf.reshape(tensor,[1,-1])将张量变为一维行向量
以上这篇浅谈tensorflow使用张量时的一些注意点tf.concat,tf.reshape,tf.stack就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
TensorFlow提供两种类型的拼接:tf.concat(values,axis,name='concat'):按照指定的已经存在的轴进行拼接tf.stack
tensorflow对图像进行多个块的行列拼接tf.concat(),tf.stack()在深度学习过程中,通过卷积得到的图像块大小是8×8×1024的图像块,
我们可以使用tf.shape()获取某张量的形状张量。importtensorflowastfx=tf.reshape(tf.range(1000),[10,1
**一tf.concat()函数–合并**In[2]:a=tf.ones([4,35,8])In[3]:b=tf.ones([2,35,8])In[4]:c=t
如下所示:importtensorflowastfa=tf.Variable([4,5,6])b=tf.Variable([1,2,3])c=tf.concat