TensorFlow 和 Numpy 等常用函数小结

曾经终败给现在 2021-11-05 13:36 311阅读 0赞

# 1.tf.cast用法 #

tf.cast：用于改变某个张量的数据类型

import tensorflow as tf;
    import numpy as np;
     
    A = tf.convert_to_tensor(np.array([[1,1,2,4], [3,4,8,5]]))
     
    with tf.Session() as sess:
    	print A.dtype
    	b = tf.cast(A, tf.float32)
    	print b.dtype

输出：

<dtype: 'int64'>  
<dtype: 'float32'>

开始的时候定义A没有给出类型，采用默认类型，整形。利用tf.cast函数就改为float类型

# 2.tf.variable\_scope和tf.name\_scope的用法 #

tf.variable\_scope可以让变量有相同的命名，包括tf.get\_variable得到的变量，还有tf.Variable的变量

tf.name\_scope可以让变量有相同的命名，只是限于tf.Variable的变量

import tensorflow as tf;  
    import numpy as np;  
    import matplotlib.pyplot as plt;  
     
    with tf.variable_scope('V1'):
    	a1 = tf.get_variable(name='a1', shape=[1], initializer=tf.constant_initializer(1))
    	a2 = tf.Variable(tf.random_normal(shape=[2,3], mean=0, stddev=1), name='a2')
    
    with tf.name_scope('V2'):
    	a4 = tf.Variable(tf.random_normal(shape=[2,3], mean=0, stddev=1), name='a2')
      
    with tf.Session() as sess:
    	sess.run(tf.initialize_all_variables())
    	print a1.name
    	print a2.name
    	print a4.name

输出：

V1/a1:0  
V1/a2:0  
V2/a2:0

# 3.tf.squeeze #

从张量形状中移除大小为1的维度。

给定一个张量 input，该操作返回一个与已经移除的所有大小为1的维度具有相同类型的张量。如果您不想删除所有大小为1的维度，则可以通过指定 axis 来删除特定的大小为1的维度。

# 't' is a tensor of shape [1, 2, 1, 3, 1, 1]
    tf.shape(tf.squeeze(t))  # [2, 3]

或者，要删除特定的大小为1的维度：

# 't' is a tensor of shape [1, 2, 1, 3, 1, 1]
    tf.shape(tf.squeeze(t, [2, 4]))  # [1, 2, 3, 1]

--------------------

# 1.np.flip #

沿着指定的轴反转元素

>>> A = np.arange(8).reshape((2,2,2))
    >>> A
    array([[[0, 1],
            [2, 3]],
           [[4, 5],
            [6, 7]]])
            
    >>> flip(A, 0)
    array([[[4, 5],
            [6, 7]],
           [[0, 1],
            [2, 3]]])
            
    >>> flip(A, 1)
    array([[[2, 3],
            [0, 1]],
           [[6, 7],
            [4, 5]]])
    
    >>>np.flip(A, 2)
    array([[[1, 0],
            [3, 2]],
           [[5, 4],
            [7, 6]]])

# 2.os 路径操作 #

dir = '/home/123/result.png'
    print os.path.dirname(dir)    # 获得文件夹的路径
    print os.path.basename(dir)   # 获得文件名称
    print os.path.splitext(os.path.basename(dir)) # 分离文件名和扩展名

输出：

/home/123/

result.png

result .png

# 3.python 中的 \_\_all\_\_ #

我越来越多的使用Python了，经常看到 `__all__` 变量再各种 `__init__.py` 文件中，谁能解释为什么那么做呢？

它是一个string元素组成的list变量，定义了当你使用 `from <module> import *` 导入某个模块的时候能导出的符号（这里代表变量，函数，类等）。

举个例子，下面的代码在 `foo.py` 中，明确的导出了符号 `bar`, `baz`

__all__ = ['bar', 'baz']
    
    waz = 5
    bar = 10
    def baz(): return 'baz'

导入实现如下：

from foo import *
    
    print bar
    print baz
    
    # The following will trigger an exception, as "waz" is not exported by the module
    # 下面的代码就会抛出异常，因为 "waz"并没有从模块中导出，因为 __all__ 没有定义
    print waz

如果把 `foo.py` 中 `__all__` 给注释掉，那么上面的代码执行起来就不会有问题， `import *` 默认的行为是从给定的命名空间导出所有的符号（当然下划线开头的私有变量除外）。

### 注意 ###

需要注意的是 `__all__` 只影响到了 `from <module> import *` 这种导入方式，对于 `from <module> import <member>` 导入方式并没有影响，仍然可以从外部导入。