深度学习-TF函数-layers.concatenate用法 numpy数组维度

环境： tensorfow 2.*

def concatenate(inputs, axis=-1, **kwargs):

axis=n表示从第n个维度进行拼接，对于一个三维矩阵，axis的取值可以为[-3, -2, -1, 0, 1, 2]。

代码

import numpy as np
import tensorflow as tft1 = tf.Variable(np.array([[[1, 2], [2, 3]], [[4, 4], [5, 3]]]))
t2 = tf.Variable(np.array([[[7, 4], [8, 4]], [[2, 10], [15, 11]]]))d0 = tf.keras.layers.concatenate([t1, t2], axis=0)
d1 = tf.keras.layers.concatenate([t1, t2], axis=1)
d2 = tf.keras.layers.concatenate([t1, t2], axis=2)
d3 = tf.keras.layers.concatenate([t1, t2], axis=-1)print(d0)
print(d1)
print(d2)
print(d3)

输出

tf.Tensor(
[[[ 1  2][ 2  3]][[ 4  4][ 5  3]][[ 7  4][ 8  4]][[ 2 10][15 11]]], shape=(4, 2, 2), dtype=int32)   # 4代表深度，类似4页
tf.Tensor(
[[[ 1  2][ 2  3][ 7  4][ 8  4]][[ 4  4][ 5  3][ 2 10][15 11]]], shape=(2, 4, 2), dtype=int32)
tf.Tensor(
[[[ 1  2  7  4][ 2  3  8  4]][[ 4  4  2 10][ 5  3 15 11]]], shape=(2, 2, 4), dtype=int32)
tf.Tensor(
[[[ 1  2  7  4][ 2  3  8  4]][[ 4  4  2 10][ 5  3 15 11]]], shape=(2, 2, 4), dtype=int32)Process finished with exit code 0

数组维度

数组的常用函数
print(np.arange(0,7,1,dtype=np.int16)) # 0为起点，间隔为1时可缺省(引起歧义下不可缺省)
print(np.ones((2,3,4),dtype=np.int16)) # 2页，3行，4列，全1，指定数据类型
print(np.zeros((2,3,4))) # 2页，3行，4列，全0
print(np.empty((2,3))) #值取决于内存
print(np.arange(0,10,2)) # 起点为0，不超过10，步长为2
print(np.linspace(-1,2,5)) # 起点为-1，终点为2，取5个点
print(np.random.randint(0,3,(2,3))) # 大于等于0，小于3，2行3列的随机整数

输出

[0 1 2 3 4 5 6]
[[[1 1 1 1][1 1 1 1][1 1 1 1]][[1 1 1 1][1 1 1 1][1 1 1 1]]]
[[[ 0.  0.  0.  0.][ 0.  0.  0.  0.][ 0.  0.  0.  0.]][[ 0.  0.  0.  0.][ 0.  0.  0.  0.][ 0.  0.  0.  0.]]]
[[  1.39069238e-309   1.39069238e-309   1.39069238e-309][  1.39069238e-309   1.39069238e-309   1.39069238e-309]]
[0 2 4 6 8]
[-1.   -0.25  0.5   1.25  2.  ]
[[1 0 1][0 1 0]]

深度学习-TF函数-layers.concatenate用法 numpy数组维度相关推荐

深度学习-TF函数-layers.concatenate用法
环境: tensorfow 2.* def concatenate(inputs, axis=-1, **kwargs): axis=n表示从第n个维度进行拼接,对于一个三维矩阵,axis的取值可以为 ...
深度学习（8）TensorFlow基础操作四: 维度变换
深度学习(8)TensorFlow基础操作四: 维度变换 1. View 2. 示例 3. Reshape操作可能会导致潜在的bug 4. tf.transpose 5. Squeeze VS Exp ...
深度学习：tensorflow的简单用法，tensorflow实现SVM
文章目录 tensorflow整体理解 tensorflow框架 tensorflow训练 tensorflow基本操作对象常量:就是已经确定的对象可训练变量:就是需要训练的变量对象不可可训练变 ...
1.深度学习练习：Python Basics with Numpy（选修）
本文节选自吴恩达老师<深度学习专项课程>编程作业,在此表示感谢. 课程链接:https://www.deeplearning.ai/deep-learning-specialization ...
神经网络与深度学习作业3：分别使用numpy和pytorch实现FNN例题
目录一.过程推导 - 了解BP原理二.数值计算 - 手动计算,掌握细节三.代码实现 - numpy手推 + pytorch自动 (1)使用numpy实现 (2)使用pytorch实现 (3)思考 ...
神经网络与深度学习——TensorFlow2.0实战(笔记)(五)(NumPy科学计算库＜1＞python)
多维数组形状(Shape): 是一个元组,描述数组的维度,以及各个维度的长度. 长度(Length): 某个维度中的元素个数. 数字单门课程成绩 1*课程成绩一维数组多门课程成绩 n*课程成绩 ...
优达学城深度学习之二——矩阵数学和Numpy复习
一.数据维度维度(scalar),张量(Tensor).3表示零维张量,[1 2 3]表示一维张量,矩阵表示二维张量,任何大于二维张量就叫张量(Tensor).如下图所示: 二.Numpy简介 2. ...
A02_Python(基本数据类型，容器，函数，类)，Numpy(数组array,数组索引,数据类型,数组中的数学，广播)
Python的版本基本数据类型与大多数语言一样,Python有许多基本类型,包括整数,浮点数,布尔值和字符串.这些数据类型的行为方式与其他编程语言相似. Numbers(数字类型):代表的是整数和 ...
【C语言进阶深度学习记录】三十二维数组与二维指针
文章目录 1 二维指针(指向指针的指针) 2 二维数组 3 二维数组的类型 3.2 如何动态申请二维数组 4 总结 1 二维指针(指向指针的指针) 指针的本质是变量指针的指针是保存指针变量的地址.如 ...

深度学习-TF函数-layers.concatenate用法 numpy数组维度

环境： tensorfow 2.*

def concatenate(inputs, axis=-1, **kwargs):

代码

深度学习-TF函数-layers.concatenate用法 numpy数组维度相关推荐

最新文章

热门文章