tensorflow使用張量時(shí)應(yīng)該注意tf.concat,tf.reshape,tf.stack

發(fā)布時(shí)間：2020-06-23 16:06:42 來源：億速云閱讀：467 作者：清晨欄目：開發(fā)技術(shù)

不懂tensorflow使用張量時(shí)應(yīng)該注意tf.concat,tf.reshape,tf.stack？其實(shí)想解決這個(gè)問題也不難，下面讓小編帶著大家一起學(xué)習(xí)怎么去解決，希望大家閱讀完這篇文章后大所收獲。

tensorflow升級(jí)1.0版本后與以前的版本并不兼容，可能出現(xiàn)各種奇奇怪怪的問題。

1 tf.concat函數(shù)

tensorflow1.0以前函數(shù)用法：tf.concat(concat_dim, values, name='concat')，第一個(gè)參數(shù)為連接的維度，可以將幾個(gè)向量按指定維度連接起來。

如：

t1 = [[1, 2, 3], [4, 5, 6]]
t2 = [[7, 8, 9], [10, 11, 12]]
#按照第0維連接
tf.concat(0, [t1, t2]) ==> [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]
#按照第1維連接
tf.concat(1, [t1, t2]) ==> [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12]]

tf.concat的作用主要是將向量按指定維連起來，其余維度不變；而1.0版本以后，函數(shù)的用法變成：

t1 = [[1, 2, 3], [4, 5, 6]]
t2 = [[7, 8, 9], [10, 11, 12]]
#按照第0維連接
tf.concat( [t1, t2]，0) ==> [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]
#按照第1維連接
tf.concat([t1, t2]，1) ==> [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12]]

位置變了，需要注意。

2 tf.stack函數(shù)

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將一組R維張量變?yōu)镽+1維張量。注意：tf.pack已經(jīng)變成了tf.stack

3.tf.reshape

用法：reshape(tensor, shape, name=None):主要通過改變張量形狀，可以從高維變低維，也可以從低維變高維；

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]]]]

補(bǔ)充知識(shí)：tensorflow中的reshape(tensor,[1,-1])和reshape(tensor,[-1,1])

和python 中的reshape用法應(yīng)該一樣

import tensorflow as tf
a = [[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])將張量變?yōu)橐痪S列向量

tf.reshape(tensor,[1,-1])將張量變?yōu)橐痪S行向量

感謝你能夠認(rèn)真閱讀完這篇文章，希望小編分享tensorflow使用張量時(shí)應(yīng)該注意tf.concat,tf.reshape,tf.stack內(nèi)容對(duì)大家有幫助，同時(shí)也希望大家多多支持億速云，關(guān)注億速云行業(yè)資訊頻道，遇到問題就找億速云，詳細(xì)的解決方法等著你來學(xué)習(xí)!

向AI問一下細(xì)節(jié)

tensorflow使用張量時(shí)應(yīng)該注意tf.concat,tf.reshape,tf.stack

猜你喜歡

最新資訊

相關(guān)推薦

相關(guān)標(biāo)簽