TensorFlow函数 while_loop，stack，transpose，pad等

浅浅的花香味﹌ 2022-03-17 02:12 169阅读 0赞

主要介绍while\_loop，stack，transpose，pad等几个函数。  
测试的时候可以开启TensorFlow的eager模式，直接在python命令行下执行代码，得到结果。  
开启eager模式的方法：

>>>import tensorflow.contrib.eager as tfe
    >>>tfe.enable_eager_execution()

1.  tf.while\_loop(cond, body, var)  
    函数功能：loop（var 中满足cond的条件，带入body计算），loop结束，返回结果。  
    例子：

>>> i = tf.constant(0)
    >>> c = lambda i: tf.less(i, 10)
    >>> b = lambda i: tf.add(i, 1)
    >>> r = tf.while_loop(c, b, [i])

1.  tf.stack(\[x,y,z\], axis=1)  
    功能：将一个list 转化为一个new\_tensor, 原tensor秩为R，new\_tensor的秩为R+1  
    例子：

>>> x = tf.constant([1, 4])
    >>> y = tf.constant([2, 5])
    >>> z = tf.constant([3, 6])
    >>> tf.stack([x, y, z])              # [[1, 4], [2, 5], [3, 6]] (Pack along first dim.)
    >>> tf.stack([x, y, z], axis=1)  # [[1, 2, 3], [4, 5, 6]]

1.  tf.maximum(a,b) / tf.minimum(a,b)  
    功能：输入两个tensor，计算最大/小值  
    例子：

>>>a=[3,5]
    >>>b=[6,1]
    >>>tf.maximum(a,b)    # => [6,5]

1.  tf.cast(false, tf.float32)  
    功能：对tensor中值做格式转换，可用来将概率值转为0，1值  
    例子：

>>> a = np.random.rand(3,3,3)
    >>> tf.cast(a[:,:,2]>0.5 , tf.float32)
    <tf.Tensor: id=5, shape=(4, 4), dtype=float32, numpy=
    array([[1., 1., 1., 1.],
           [0., 1., 0., 0.],
           [0., 1., 0., 0.],
           [1., 0., 1., 0.]], dtype=float32)>

1.  tf.concat(\[x,y\],axis=0)  
    功能：对list进行指定axis连接new\_tensor, new\_tensor的秩等于原tensor  
    例子：

>>>t1 = [[1, 2, 3], [4, 5, 6]]
    >>>t2 = [[7, 8, 9], [10, 11, 12]]
    >>>tf.concat([t1, t2], axis=0)      # [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]
    >>>tf.concat([t1, t2], axis=1)      # [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12]]
    axis确定了将其所在Tensor的维度看成一个独立的元素与另一个Tensor同样维度的元素合并到一起，然后得到一个新的Tensor。

1.  tf.transpose(x, \[0,2,1\])  
    功能：对tensor进行转置  
    例子：

>>> a=np.random.rand(2,4)
    >>> a
    array([[0.66237256, 0.07285803, 0.77630919, 0.63590169],
           [0.01218694, 0.46208339, 0.71911411, 0.80562377]])
    >>> b=tf.transpose(a)
    >>> b
    <tf.Tensor: id=22, shape=(4, 2), dtype=float64, numpy=
    array([[0.66237256, 0.01218694],
           [0.07285803, 0.46208339],
           [0.77630919, 0.71911411],
           [0.63590169, 0.80562377]])>
    高维度的情况：
    tf.transpose(a, [0,2,1])  # 由[0,1,2] =>[0,2,1]
    可以看成是坐标轴的变换，默认的轴顺序是[0,1,2] ，现在要变为[0,2,1]，tensor的shape会按照此顺序进行交换，tensor中的值按照  `[m,n,k] -> [m,k,n]  ==>   x[m][k][n]=x[m][n][k]`的方式变化。

1.  tf.pad(t, paddings, “CONSTANT”)  
    功能：对tensor进行padding  
    例子：

>>> t=tf.constant([[1,2,3],[4,5,6]])
    >>> t
    <tf.Tensor: id=24, shape=(2, 3), dtype=int32, numpy=
    array([[1, 2, 3],
           [4, 5, 6]], dtype=int32)>
    >>> paddings=tf.constant([[1,2],[3,4]])
    >>> pt=tf.pad(t,paddings,"CONSTANT")
    >>> pt
    <tf.Tensor: id=27, shape=(5, 10), dtype=int32, numpy=
    array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
           [0, 0, 0, 1, 2, 3, 0, 0, 0, 0],
           [0, 0, 0, 4, 5, 6, 0, 0, 0, 0],
           [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
           [0, 0, 0, 0, 0, 0, 0, 0, 0, 0]], dtype=int32)>