建设电子商务网站期末考试,河南网站建设报价,哪里有做假铁牌,超级外链主要记录concat,stack,unstack和split相关操作的作用
import tensorflow as tf
import numpy as nptf.__version__#concat对某个维度进行连接
#假设下面的tensor0和tensor1分别表示4个班级35名同学的8门成绩和两个班级35个同学8门成绩
tensor0 tf.ones([4,35,8])
tensor1 tf… 主要记录concat,stack,unstack和split相关操作的作用
import tensorflow as tf
import numpy as nptf.__version__#concat对某个维度进行连接
#假设下面的tensor0和tensor1分别表示4个班级35名同学的8门成绩和两个班级35个同学8门成绩
tensor0 tf.ones([4,35,8])
tensor1 tf.ones([2,35,8])
#用concat将第0个维度班级axis0连接起来结果是一个[6,35,8]的tensor
#表示6个班级35名同学8门成绩的数据
tensor tf.concat([tensor0, tensor1], axis0)
print(tf.concat([tensor0, tensor1], axis0).shape:, tensor.shape)#在同学维度进行合并第1个维度axis1
#假设下面的tensor0和tensor1分别表示4个班级32名同学的8门成绩和4个班级3个同学8门成绩
tensor0 tf.ones([4,32,8])
tensor1 tf.ones([4,3,8])
#concat合并第一个维度可以理解为tensor0先收集到了32名同学的8门成绩
#然后补考的3名同学成绩放到了tensor1上通过concat进行汇总
tensor tf.concat([tensor0, tensor1], axis1)
print(tf.concat([tensor0, tensor1], axis1).shape:, tensor.shape)#concat对于维度有要求对于不是指定axis的维度要相等才能concat
#一个[4,35,8]的tensor和一个[3,15,8]的tensor无法进行concat#concat对某个维度进行连接
#假设下面的tensor0和tensor1分别表示4个班级35名同学的8门成绩和两个班级35个同学8门成绩
tensor0 tf.ones([4,35,8])
tensor1 tf.ones([2,35,8])
#用concat将第0个维度班级axis0连接起来结果是一个[6,35,8]的tensor
#表示6个班级35名同学8门成绩的数据
tensor tf.concat([tensor0, tensor1], axis0)
print(tf.concat([tensor0, tensor1], axis0).shape:, tensor.shape)#在同学维度进行合并第1个维度axis1
#假设下面的tensor0和tensor1分别表示4个班级32名同学的8门成绩和4个班级3个同学8门成绩
tensor0 tf.ones([4,32,8])
tensor1 tf.ones([4,3,8])
#concat合并第一个维度可以理解为tensor0先收集到了32名同学的8门成绩
#然后补考的3名同学成绩放到了tensor1上通过concat进行汇总
tensor tf.concat([tensor0, tensor1], axis1)
print(tf.concat([tensor0, tensor1], axis1).shape:, tensor.shape)#concat对于维度有要求对于不是指定axis的维度要相等才能concat
#一个[4,35,8]的tensor和一个[3,15,8]的tensor无法进行concat#unstack和stack操作相反,会对指定维度进行拆分
tensor tf.ones([3,4,35,8])#拆分出3个[4,35,8]的tensor
splited tf.unstack(tensor, axis0)
print(tf.unstack(tensor, axis0).shape:, splited[0].shape, splited[1].shape, splited[2].shape)#拆分出8个[3,4,35]的tensor
splited tf.unstack(tensor, axis3)
print(tf.unstack(tensor, axis3).shape:, splited[0].shape, splited[1].shape, splited[2].shape,splited[3].shape, splited[4].shape, splited[5].shape,splited[5].shape, splited[6].shape, splited[7].shape)#拆分出4个[3,35,8]的tensor
splited tf.unstack(tensor, axis1)
print(tf.unstack(tensor, axis1).shape:, splited[0].shape, splited[1].shape, splited[2].shape, splited[3].shape)#unstack会固定打散指定维度为1
#split则可以指定这个维度划分的比例通过num_or_size_splits指定
#看个例子就明白了
tensor tf.ones([2,4,35,8])
#第3个维度划分为2个4维的两个tensor([2,4,35,4]) --- 8 / 2(num_of_size_splits) 4
splited tf.split(tensor, axis3, num_or_size_splits2)
print(split(tensor, axis3, num_or_size_splits2).shape:, splited[0].shape, splited[1].shape)#将第3个维度按照224的比例划分得到3个tensor
splited tf.split(tensor, axis3, num_or_size_splits[2,2,4])
print(split(tensor, axis3, num_or_size_splits2).shape:, splited[0].shape, splited[1].shape, splited[2].shape) 运行结果
