1. 主要操作方式

1、tf.concat # 常用
2、tf.split # 常用
3、tf.stack # 常用
4、tf.unstack

2. concat操作

指定axis则沿该轴进行拼接

# ********************* concat
"""
指定axis则沿该轴进行拼接
"""
a = tf.random.normal([2,28,28,3])
b = tf.random.normal([3,28,28,3])
c = tf.concat([a,b],axis = 0)
print("c:",c.shape)d = tf.random.uniform([4,14,28,3])
e = tf.random.uniform([4,14,28,3])
f = tf.concat([d,e],axis = 1)
print("f:",f.shape)

3. stack操作

create new dim
在指定轴上创建新的一个维度来盛装数据

# ********************** stack
"""
create new dim
在指定轴上创建新的一个维度来盛装数据
"""
a = tf.ones([4,28,28,3])
b = tf.zeros_like(a)c1 = tf.concat([a,b],axis = 0)
print("c1:",c1.shape)
c2 = tf.stack([a,b],axis = 0)
print("c2:",c2.shape)c3 = tf.stack([a,b],axis = 3)
print("c3:",c3.shape)c4 = tf.concat([a,b],axis = -1)
print("c4:",c4.shape)

4. concat 与 stack 的区别

1、concat约束：除了需要拼接那个轴可以不一致，其它所有轴都需要相同。
2、stack约束：所有轴都必须维持一致

5. unstack & stack 为可逆操作

# ********************** unstack & stack 可逆
a = tf.ones([4,28,28,3])
b = tf.zeros_like(a)c = tf.stack([a,b],axis = 0)
print("c:",c.shape)d = tf.unstack(c,axis = 0)
print("d:",d[0].shape,d[1].shape)e = tf.unstack(c,axis = 3)
print("e:",len(e))
"""
得到28个形状相同的Tensor
"""
e[27].shape

6. split操作

unstack沿axis轴等分为axis轴shape的数量
split可以指定等分的数量

# ************************ split
"""
unstack沿axis轴等分为axis轴shape的数量
split可以指定等分的数量
"""
a = tf.zeros([4,28,28,3])
b = tf.unstack(a,axis = 1)
print("b:",len(b))c = tf.split(a,axis = 1,num_or_size_splits = 7)
print("c:",len(c))
print("c:",c[6].shape)d = tf.split(a,axis = 1,num_or_size_splits = [10,10,8])
print("d:",len(d))
print("d:",d[1].shape)

本文为参考龙龙老师的“深度学习与TensorFlow 2入门实战“课程书写的学习笔记

by CyrusMay 2022 04 16

Tensorflow（八） —— Tensor的合并与切割相关推荐

tensorflow中tensor的索引
tensorflow中tensor的索引 1.print(sess.run(outputs[0:2,0:2,:])) 2.print(sess.run(tf.slice(outputs,[0,0,0] ...
tensorflow 转张量类型为float_5个简单的步骤掌握Tensorflow的Tensor
在这篇文章中,我们将深入研究Tensorflow Tensor的细节.我们将在以下五个简单步骤中介绍与Tensorflow的Tensor中相关的所有主题: 第一步:张量的定义→什么是张量? 第二步:创 ...
Tensorflow:输出tensor具体值
在一些任务中,经常需要看tensor的具体值是多少,举个例子,你得查看一部分的feature map,或者是一些数据是否符合训练的预期,那么怎么查看对应tensor的具体值(⊙o⊙)? 有些小伙伴可能 ...
5个简单的步骤掌握Tensorflow的Tensor
作者|Orhan G. Yalçın 编译|VK 来源|Towards Datas Science 如果你正在读这篇文章,我相信我们有着相似的兴趣,现在/将来也会从事类似的行业. 在这篇文章中,我们将 ...
Tensorflow:张量(Tensor)的创建及其基础操作
Tensorflow版本:V2.8.0 Tensorflow中所有的运算操作都是基于张量进行的.Tensorflow中的张量Tensor是具有统一类型的多维数组.这篇博文主要介绍张量的创建及基础操 ...
TensorFlow 输出tensor数据
# Input icrf(tensor数据) # Output out(float数据) import tensorflow as tf import numpy as npsess = tf.Ses ...
tensorflow.reshap(tensor,shape,name)的使用说明
tensorflow as tf tf.reshape(tensor, shape, name=None) reshape作用是将tensor变换为指定shape的形式. 其中shape为一个列表 ...
【Tensorflow】Tensor的比较运算
[fishing-pan:https://blog.csdn.net/u013921430 转载请注明出处] 测试环境:Tensorflow 1.7.0.Tensorflow 1.14.0 Tenso ...
torch将多个tensor张量合并为一个张量，只提高迷你批次的纬度
在自己写pytorch的数据集加载函数时,会遇到一个问题,如何将多张图片张量合并到一起,提升迷你批次batch的纬度,但是不影响图片的大小和RGB通道数解决方法: 函数torch.cat(input ...

Tensorflow（八） —— Tensor的合并与切割

Tensorflow（八） —— Tensor的合并与切割

1. 主要操作方式

2. concat操作

3. stack操作

4. concat 与 stack 的区别

5. unstack & stack 为可逆操作

6. split操作

Tensorflow（八） —— Tensor的合并与切割相关推荐

最新文章

热门文章