时间:2021-05-22
获取Tensor的维数
>>> import tensorflow as tf>>> tf.__version__'1.2.0-rc1'>>> x=tf.placeholder(dtype=float32,shape=[1,2,3,4])>>> x=tf.placeholder(dtype=tf.float32,shape=[1,2,3,4])>>> x.shapeTensorShape([Dimension(1), Dimension(2), Dimension(3), Dimension(4)])>>> x.get_shape()TensorShape([Dimension(1), Dimension(2), Dimension(3), Dimension(4)])# 返回tuple>>> x.shape[2]Dimension(3)>>> x.get_shape()[2]Dimension(3)# 获取具体维度数值>>> x.shape[2].value3>>> x.get_shape()[2].value3# 也可以将TensorShape变量转化为list类型,然后直接按照索引取值>>> x.shape.as_list()[1, 2, 3, 4]>>> x.shape.as_list()[1, 2, 3, 4]# 可以与int型数值比较>>> x.shape[2] == 3True>>> x.get_shape()[2] == 3True以上这篇Tensorflow获取张量Tensor的具体维数实例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。
前言TensorFlow是Google开源的一款人工智能学习系统。为什么叫这个名字呢?Tensor的意思是张量,代表N维数组;Flow的意思是流,代表基于数据流
tf.reduce_mean函数用于计算张量tensor沿着指定的数轴(tensor的某一维度)上的的平均值,主要用作降维或者计算tensor(图像)的平均值。
PyTorch基础入门一:PyTorch基本数据类型1)Tensor(张量)Pytorch里面处理的最基本的操作对象就是Tensor(张量),它表示的其实就是一
实验发现,tensorflow的tensor张量的shape不支持直接作为tf.max_pool的参数,比如下面这种情况(一个错误的示范):self.max_p
1.tensor张量与numpy相互转换tensor----->numpyimporttorcha=torch.ones([2,5])tensor([[1.,1