TensorFlow2.0:张量的合并与分割
**
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 = tf.concat([a,b],axis=0) In [5]: c.shape
Out[5]: TensorShape([6, 35, 8])In [6]: a = tf.ones([4,32,8]) In [7]: b = tf.ones([4,3,8]) In [8]: c = tf.concat([a,b],axis=1) In [9]: c.shape
Out[9]: TensorShape([4, 35, 8])**
二 tf.stack( ) 函数–数据的堆叠,创建新的维度
**
In [2]: a = tf.ones([4,35,8]) In [3]: a.shape
Out[3]: TensorShape([4, 35, 8])In [4]: b = tf.ones([4,35,8]) In [5]: b.shape
Out[5]: TensorShape([4, 35, 8])In [6]: tf.concat([a,b],axis=-1).shape
Out[6]: TensorShape([4, 35, 16])In [7]: tf.stack([a,b],axis=0).shape
Out[7]: TensorShape([2, 4, 35, 8])In [8]: tf.stack([a,b],axis=3).shape
Out[8]: TensorShape([4, 35, 8, 2])**
三 tf.unstack( )函数–解堆叠
**
In [16]: a = tf.ones([4,35,8]) In [17]: b = tf.ones([4,35,8]) In [18]: c = tf.stack([a,b],axis=0) In [19]: a.shape,b.shape,c.shape
Out[19]: (TensorShape([4, 35, 8]), TensorShape([4, 35, 8]), TensorShape([2, 4, 35, 8]))In [20]: aa,bb = tf.unstack(c,axis=0) In [21]: aa.shape,bb.shape
Out[21]: (TensorShape([4, 35, 8]), TensorShape([4, 35, 8]))In [22]: res = tf.unstack(c,axis=1) In [23]: len(res)
Out[23]: 4**
四 tf.split( ) 函数
**
In [16]: a = tf.ones([4,35,8]) In [17]: b = tf.ones([4,35,8]) In [18]: c = tf.stack([a,b],axis=0) In [19]: a.shape,b.shape,c.shape
Out[19]: (TensorShape([4, 35, 8]), TensorShape([4, 35, 8]), TensorShape([2, 4, 35, 8]))In [20]: aa,bb = tf.unstack(c,axis=0) In [21]: aa.shape,bb.shape
Out[21]: (TensorShape([4, 35, 8]), TensorShape([4, 35, 8]))In [22]: res = tf.unstack(c,axis=1) In [23]: len(res)
Out[23]: 4TensorFlow2.0:张量的合并与分割相关推荐
- TensorFlow2.0:张量限幅
** 一 tf.clip_by_value( )函数 ** tf.maximum(a,b)返回a和b之间的最大值 tf.minimum(a,b)返回a和b之间的最小值 tf.clip_by_value ...
- TensorFlow2.0:张量排序
** 一 sort argsort排序 ** tf.sort( )按照升序或者降序对张量进行排序 tf.argsort( )按照升序或者降序对张量进行排序,但返回的是索引 In [4]: a = tf ...
- TensorFlow2.0:张量的数学运算
(1)+ - * / (2)** pow square (3) sqrt (4) // % (5) exp log (6)@ matmul (7) linear layer element-wise: ...
- Tensor的合并与分割
针对tensorflow2.0 1.合并 (1)tensor的拼接(tf.concat) In [5]: a = tf.ones([4,28,28,3])In [6]: b = tf.ones([2, ...
- 【TensorFlow2.0】(5) 数学计算、合并、分割
各位同学好,今天和大家分享一下TensorFlow2.0中的数学运算方法.合并与分割.内容有: (1)基本运算:(2)矩阵相乘:(3)合并 tf.concat().tf.stack():(4)分割 t ...
- 【TensorFlow2.0】(7) 张量排序、填充、复制、限幅、坐标选择
各位同学好,今天和大家分享一下TensorFlow2.0中的一些操作.内容有: (1)排序 tf.sort().tf.argsort().top_k():(2)填充 tf.pad():(3)复制 tf ...
- 【TensorFlow2.0】(6) 数据统计，范数、最值、求和、均值、最值位置、唯一值、张量比较
各位同学好,今天和大家分享一下TensorFlow2.0中的数据分析操作.内容有: (1)范数 tf.norm():(2)最值 tf.reduce_min(), tf.reduce_max()(3)求 ...
- mybatis-plus对datetime返回去掉.0_华为AI认证-TensorFlow2.0编程基础
参考<HCIA-AI2.0培训教材><HCIA-AI2.0实验手册> 认证要求: 了解TensorFlow2.0是什么以及其特点 掌握TensorFlow2.0基础和高阶操作方 ...
- TensorFlow2.0学习
文章目录 一.TensorFlow的建模流程 1.1 结构化数据建模流程范例 1.1.1 准备数据 1.1.2 定义模型 1.1.3 训练模型 1.1.4 评估模型 1.1.5 使用模型 1.1.6 ...
最新文章
- 【Android 逆向】IDA 工具使用 ( 交叉引用数量设置 | 调试设置 )
- flaming pear flood中文版
- 进程间通信——信号量及ipcs/ipcrm 介绍
- 解决ffmpeg拉流转发频繁丢包问题max delay reached. need to consume packet
- Effective Java -- 思维导图
- C++11 Lambda表达汇总总结
- 矩池云上缺少curand.h、cublas_v2.h、cusolverDn.h头文件解决方法
- 分享：skalibs 1.3.0 发布，低级的 C 程序库
- 需求与商业模式分析-1-商业模式画布
- 非线性可视化（2）非线性相图
- 一个简单的python例子（监控网页是否运行）
- 使用深度学习和物理约束求解偏微分方程
- 多智能体系统的分布式协同控制——采样控制、脉冲控制、弹性控制
- 偶像的力量-松哥经典语录
- 论文阅读（联邦学习）：Exploiting Shared Representations for Personalized Federated Learning
- 02 who——open、read、close
- 运载火箭飞行控制系统设计
- 如何查询计算机已连接wife的密码错误,电脑已经连上无线如何查看WIFI密码
- Java中的IO、NIO、File、BIO、AIO详解
- Android动画合集