Transformer文本翻译小技术点总结（实用）

淡淡的烟草味﹌ 2022-04-10 03:54 193阅读 0赞

## 1.tf.transpose(input, \[0,2,1\]) ##

这个就表示 将input这个Tensor的第1个维度与第2个维度交换,交换之后便可以相乘

## 2. tf.abs(a) 这个就是取a里面的绝对值. ##

## 3. tf.sign(x) ##

如果x < 0，则有 y = sign(x) = -1；如果x == 0，则有 0 或者tf.is\_nan(x)；如果x > 0，则有1。如果x < 0，则有 y = sign(x) = -1；如果x == 0，则有 0 或者tf.is\_nan(x)；如果x > 0，则有1。

## 4. tf.tile(input, \#输入 multiples, \#某一维度上复制的次数 name=None ) ##

# 如果只有 一个数，就表示在 第一维度（也就是列数）上面将原来的数复制2遍
    temp = tf.tile([1,2,3],[2])
    # 这个表示的在第一维度（也就是行数）上面将原来的数复制2遍
    # 这个表示的在第一维度（也就是列数）上面将原来的数复制3遍
    temp2 = tf.tile([[1,2],[3,4],[5,6]],[2,3])
    with tf.Session() as sess:
        print(sess.run(temp))
        print(sess.run(temp2))
    --------------------- 
    [1 2 3 1 2 3]
    
    [[1 2 1 2 1 2] 
    [3 4 3 4 3 4] 
    [5 6 5 6 5 6] 
    [1 2 1 2 1 2] 
    [3 4 3 4 3 4] 
    [5 6 5 6 5 6]]

## 5. tf.ones\_like(tensor, dtype = none) ##

将Tensor里面的值全部设置成 1

## 6 tf.equal(A, B) ##

A = [[1,3,4,5,6]]
    B = [[1,3,4,3,2]]
     
    with tf.Session() as sess:
        print(sess.run(tf.equal(A, B)))
        
    输出：
    [[ True  True  True False False]]

## 7.tf.where(condition, x=None, y=None,name=None)，condition是一个true和false的集合 ##

当condition 的值为 true时，就在x的对应位置找值
      当condition 的值为 false时，就在y的对应位置找值
      这个就意味着 condition3 的维度必须和x,y一样

x = [[1,2,3],[4,5,6]]
    y = [[7,8,9],[10,11,12]]
    condition3 = [[True, False, False],
                  [False, True, True]]
    condition4 = [[True, False, False],
                 [True, True, False]]
    with tf.Session() as sess:
        print(sess.run(tf.where(condition3,x,y)))
        print(sess.run(tf.where(condition4,x,y)))
    
    [[ 1  8  9]
     [10  5  6]]
    [[ 1  8  9]
     [ 4  5 12]]