TensorFlow索引与切片语句

学习课程
1.Basic indexing

a=tf.ones([1,5,5,3]) #创建tensor
a[0][0]  #结果是5*3的tensor
a[0][0][0]  #结果是1*3的tensor
a[0][0][0][1]  #结果是一个数1

2.Numpy-style indexing

a = tf.random.normal([4,28,28,3]) #4张照片
a[1].shape  #第2张照片的信息维度,TensorShape([28,28,3])
a[1,2].shape  #第二张照片第三行的信息维度，TensorShape([28,3])
a[1,2,3].shape  #第二张照片第三行第四列的信息维度TensorShape([3])
a[1,2,3,2].shape  #第二张照片第三行第四列地三层的信息维度TensorShape([])

3.start:end #左闭右开

a=tf.range(10)
a[-1:]  #结果为[9]
a[-2:]  #结果为[8,9]
a[1:]  #结果为[1,2,3,4,5,6,7,8,9]
a[:-1]  #结果为[0,1,2,3,4,5,6,7,8]

4.Indexing by :

a = tf.random.normal([4,28,28,3]) #4张照片
a[0].shape  #第1张照片的信息维度,TensorShape([28,28,3])
a[0,:,:,:].shape  #第1张照片的信息维度,TensorShape([28,28,3])
a[0,1,:,:].shape  #第1张照片第1行的信息维度,TensorShape([28,3])
a[:,:,:,2].shape  #第三层信息维度,TensorShape([4,28,28])
a[:,0,:,:].shape  #第1行信息维度,TensorShape([4,28,3])

5.Indexing by ::
start: end:step
::step

a[0:2,:,:,:].shape    #TensorShape([2,28,28,3])
a[:,0:28:2,:,:].shape    #TensorShape([4,14,28,3])
a[:,:14,:,:].shape    #TensorShape([4,14,28,3])
a[:,:14,14:,:].shape    #TensorShape([4,14,14,3])
a[:,::2,::2,:].shape    #TensorShape([4,14,14,3])

6.::-1 #逆序

a=tf.range(4)   #[0,1,2,3]
a[::-1]  #[3,2,1,0]
a[::-2]  #[3,1]
a[2::-2]  #[2,0]

7.…

a = tf.random.normal([2,4,28,28,3]) #,2个tasts，4张照片
a[0].shape  #TensorShape([4,28,28,3])
a[0,:,:,:,:].shape  #TensorShape([4,28,28,3])
a[0,...].shape  #TensorShape([4,28,28,3])
a[:,:,:,:,0].shape  #TensorShape([2,4,28,28])
a[...,0].shape  #TensorShape([2,4,28,28])
a[0,:,:,:,0].shape  #TensorShape([4,28,28])
a[0,...,0].shape  #TensorShape([4,28,28])

8.tf.gather

a=tf.random.normal([4,35,8]) #4个班级，每个班级35个学生，每个学生8科课程
tf.gather(a,axis=0,indices[2,3]).shape #TensorShape([2,35,8]),选第3和第4个班级的所有数据
a[2:4].shape #TensorShape([2,35,8]),选第3和第4个班级的所有数据
tf.gather(a,axis=0,indices[3,2,4,1]).shape #TensorShape([4,35,8]),所有班级所有数据，但班级查看顺序不一样
tf.gather(a,axis=1,indices[2,4,7]).shape #TensorShape([4,3,8]),所有班级的第3，5，8号学生的所有科目成绩

9.tf.gather_nd
略
10.tf.boolean_mask

略

TensorFlow索引与切片语句相关推荐

深度学习（7）TensorFlow基础操作三: 索引与切片
深度学习(7)TensorFlow基础操作三: 索引与切片一. 基础索引 1. Basic indexing 2. Numpy-style indexing 3. start : end 4. 切片 ...
【TensorFlow】——索引与切片
目录 1.利用index进行索引 2.利用":"和"..."进行索引与切片 3.tf.gather()--对一个维度进行乱序索引优势: 缺点: 例子 4.tf ...
08_索引与切片,Indexing,Python风格的索引,index_select()选择特定索引,使用...索引任意多的维度,使用mask索引,take索引
1.8.索引与切片 1.8.1.Indexing 1.8.2.Python风格的索引 1.8.3.index_select()选择特定索引 1.8.4.使用-索引任意多的维度 1.8.5.使用mask ...
c++没有终结符的多行输入如何停止_如何使用iloc和loc 对Pandas Dataframe进行索引和切片...
在这篇文章中,我们将使用iloc和loc来处理数据.更具体地说,我们将通过iloc和loc例子来学习切片和索引. 一旦我们将一个数据集加载为Pandas dataframe,我们通常希望根据某些条件开 ...
dataframe iloc_如何使用iloc和loc 对Pandas Dataframe进行索引和切片
在这篇文章中,我们将使用iloc和loc来处理数据.更具体地说,我们将通过iloc和loc例子来学习切片和索引. 一旦我们将一个数据集加载为Pandas dataframe,我们通常希望根据某些条件开 ...
numpy 索引和切片
目录 1. 索引元素 2. 切片省略参数写法 3. 应用举例 4. 多维数组二维数组获取一行二维数组获取一列 5. 多维数组的切片如果要获取,第一行的第四和第五个元素: 如果得到数组的最后两行 ...
Series索引、切片
一. Series 位置索引位置索引,从0开始数,[0]是series第一个数,[1]是series第二个数 series不能[-1]定位索引 In [1]:s = pd.Series(np.ran ...
Pandas-数据结构-Series（二）：Series的索引【下标索引、标签索引、切片索引、布尔型索引】
一.下标索引位置下标,类似序列位置下标从0开始输出结果为numpy.float格式, 可以通过float()函数转换为python float格式 numpy.float与float占用字节不同 ...
python中iloc切片_如何使用iloc和loc 对Pandas Dataframe进行索引和切片
Python部落(python.freelycode.com)组织翻译,禁止转载,欢迎转发. 在这篇文章中,我们将使用iloc和loc来处理数据.更具体地说,我们将通过iloc和loc例子来学习切片和 ...

TensorFlow索引与切片语句

TensorFlow索引与切片语句相关推荐

最新文章

热门文章