tf.slice解析
tf.slice(input_, begin, size, name = None)
解释 :
- 这个函数的作用是从输入数据input中提取出一块切片
- 切片的尺寸是size,切片的开始位置是begin。
- 切片的尺寸size表示输出tensor的数据维度,其中size[i]表示在第i维度上面的元素个数。
开始位置begin表示切片相对于输入数据input_的每一个偏移量,比如数据input是
[[[1, 1, 1], [2, 2, 2]],
[[33, 3, 3], [4, 4, 4]],
[[5, 5, 5], [6, 6, 6]]],
- begin为[1, 0, 0],那么数据的开始位置是33。因为,第一维偏移了1,其余几位都没有偏移,所以开始位置是33。
- 操作满足:
size[i] = input.dim_size(i) - begin[i]
0 <= begin[i] <= begin[i] + size[i] <= Di for i in [0, n]
import tensorflow as tfsess = tf.Session()
input = tf.constant([[[1, 1, 1], [2, 2, 2]],[[3, 3, 3], [4, 4, 4]],[[5, 5, 5], [6, 6, 6]]])
data = tf.slice(input, [1, 0, 0], [1, 1, 3])
print(sess.run(data))
"""[1,0,0]表示第一维偏移了1
则是从[[[3, 3, 3], [4, 4, 4]],[[5, 5, 5], [6, 6, 6]]]中选取数据
然后选取第一维的第一个,第二维的第一个数据,第三维的三个数据"""
# [[[3 3 3]]]
data = tf.slice(input, [1, 0, 0], [1, 2, 3])
print(sess.run(data))
# [[[3 3 3]
# [4 4 4]]]
data = tf.slice(input, [1, 0, 0], [2, 1, 3])
print(sess.run(data))
# [[[3 3 3]]
#
# [[5 5 5]]]
data = tf.slice(input, [1, 0, 0], [2, 2, 2])
print(sess.run(data))
# [[[3 3]
# [4 4]]
#
# [[5 5]
# [6 6]]]
"""输入参数:● input_: 一个Tensor。● begin: 一个Tensor,数据类型是int32或者int64。● size: 一个Tensor,数据类型是int32或者int64。● name:(可选)为这个操作取一个名字。
输出参数:● 一个Tensor,数据类型和input_相同。"""
小白的总结:(我胡乱讲的,写给我自己看的)
1、begin为【0 0 0】时,表示从头开始,为【1 0 0 】时表示从第二行开始取,同理为【2 0 0】时,表示从第三行开始取。
2、当begin为【0 0 0】,size为【1 1 1】时。表示从头取个一行一列一元 的数组,即结果为【【【1】】】
3、当begin为【1 0 0】,size为【1 2 2】时,表示从第二行开始,取一个一行二列二元的数组,即【【【3 3】,【【4 4】】】
4、当begin为【1 0 0】,size为【2 2 3】时,表示从第二行开始取一个二行二列的三元数组,即【【【3 3 3】【4 4 4】】,
【【5 5 5 】【6 6 6】】】
参考:https://www.cnblogs.com/cloud-ken/p/8457077.html
tf.slice解析相关推荐
- 计算机一级电子表格TF函数,tf.slice()函数详解(极详细)
tf.slice()是TensorFlow库中分割张量的一个函数,其定义为def slice(input_, begin, size, name=None):.tf.slice()函数的那些参数设置实 ...
- tensorflow中tf.gradients()解析
tf.gradients()解析及grad_ys在xs为(?, 1)时的理解 问题简介 使用tensorflow1.15学习时,有一项tf.gradients的代码,其中用到了grad_ys这个参数, ...
- Tensorflow API 学习(3)-tf.slice()
1,函数原型 tf.slice(inputs,begin,size,name='') 2,用途:从inputs中抽取部分内容 inputs:可以是list,array,tensor begin:n维列 ...
- 谷歌BERT预训练源码解析(二):模型构建
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/weixin_39470744/arti ...
- Tensorflow操作与函数全面解析
转载自:http://blog.csdn.net/lenbow/article/details/52152766 1.tensorflow的基本运作 为了快速的熟悉TensorFlow编程,下面从一段 ...
- TensorFlow 概念的解析(i.e. 缘由)
TensorFlow 基本概念解析 -- TensorFlow Machine Learning Cookbook TensorFlow 中的基本概念解析 声明张量 tensorflow 中的主要数据 ...
- 如何用TF Object Detection API训练交通信号灯检测神经网络?
参加 2019 Python开发者日,请扫码咨询 ↑↑↑ 作者简介:申泽邦(Adam Shan),谷歌认证机器学习专家(Google Developer Expert),兰州大学智能驾驶团队技术负责人 ...
- tensorflow学习笔记:tf.data.Dataset,from_tensor_slices(),shuffle(),batch()的用法
tf.data.Dataset.from_tensor_slices: 它的作用是切分传入Tensor的第一个维度,生成相应的dataset. 例1: dataset = tf.data.Datase ...
- tf.name_scope与tf.variable_scope用法区别
转自:https://blog.csdn.net/daizongxue/article/details/84284007 本文由网络上一些回答和博文汇总而成. 要将这个问题解释清楚,得结合tensor ...
最新文章
- java plugin 安装_eclipse maven plugin 插件 安装 和 配置
- python语言程序设计2019版第二章课后答案-《python语言程序设计》_第二章编程题...
- VisualSVN Server以及TortoiseSVN客户端的配置和使用方法
- TensorFlow 莫烦视频学习笔记例子二(一)
- MongoDB安装与副本集配置
- 解决:delphi7 license is invalid or has expired
- think php5是什么,thinkphp5是什么
- C语言实现拓扑排序topological sort算法(附完整源码)
- android社会化分享
- python nameko用于生产_用 Python、 RabbitMQ 和 Nameko 实现微服务
- sql优化基数和耗费_基数估计在SQL Server优化过程中的位置
- 计算机体系结构的分类
- C++实现 电子邮件客户端程序(简易版)
- Linux查看外网IP命令
- 项目实践日记(Gitlab的搭建及配置)
- windows云服务器,如何使用windows云服务器
- 图像的二维频谱图的理解 20170622
- [转]全球付虚拟卡申请流程~
- RStudio安装后界面一片空白
- gpu驱动程序_如何从错误的GPU驱动程序更新中恢复
热门文章
- JAVA图片不显示imageicon_怎么没法显示图片图标呢?
- 选修课计算机网络技术,2020智慧职教网络选修课计算机网络技术基础答案完整满分章节测试答案...
- eas库存状态调整单不能反审核_订单少了,库存多了,利润没了……
- python的opencv库_用于Python的Opencv可视化库安装,面向,OpenCV,视觉
- vue的matcher_vue-router工作原理概述和问题分析
- java和redis统计在线,在SpringBoot中使用Redis的zset统计在线用户信息
- 2021龙岩一中高考成绩查询,喜报!2020年高考成绩已经揭晓,龙岩这七所一中,看看有没有你的母校!...
- rabbitnq 源码安装_linux下源码安装rabbitMq
- JAVA_HOME系统环境变量
- [地球人]BlogEngine.NET[Appwo.com版]+采集器