Tensorflow常用函数笔记

淩亂°似流年 2022-04-15 00:11 263阅读 0赞

tf.concat  
把一组向量从某一维上拼接起来，很向numpy中的Concatenate，官网例子：

t1 = \[\[1, 2, 3\], \[4, 5, 6\]\]  
t2 = \[\[7, 8, 9\], \[10, 11, 12\]\]  
tf.concat(\[t1, t2\], 0) ==> \[\[1, 2, 3\], \[4, 5, 6\], \[7, 8, 9\], \[10, 11, 12\]\]  
tf.concat(\[t1, t2\], 1) ==> \[\[1, 2, 3, 7, 8, 9\], \[4, 5, 6, 10, 11, 12\]\]

\# tensor t3 with shape \[2, 3\]  
\# tensor t4 with shape \[2, 3\]  
tf.shape(tf.concat(\[t3, t4\], 0)) ==> \[4, 3\]  
tf.shape(tf.concat(\[t3, t4\], 1)) ==> \[2, 6\]  
  
其实，如果是list类型的话也是可以的，只要是形似Tensor，最后tf.concat返回的还是Tensor类型

tf.gather  
类似于数组的索引，可以把向量中某些索引值提取出来，得到新的向量，适用于要提取的索引为不连续的情况。这个函数似乎只适合在一维的情况下使用。

import tensorflow as tf

a = tf.Variable(\[\[1,2,3,4,5\], \[6,7,8,9,10\], \[11,12,13,14,15\]\])  
index\_a = tf.Variable(\[0,2\])

b = tf.Variable(\[1,2,3,4,5,6,7,8,9,10\])  
index\_b = tf.Variable(\[2,4,6,8\])

with tf.Session() as sess:  
sess.run(tf.global\_variables\_initializer())  
print(sess.run(tf.gather(a, index\_a)))  
print(sess.run(tf.gather(b, index\_b)))

\# \[\[ 1 2 3 4 5\]  
\# \[11 12 13 14 15\]\]

\# \[3 5 7 9\]  
  
tf.gather\_nd  
同上，但允许在多维上进行索引，例子只展示了一种很简单的用法，更复杂的用法可见官网。

import tensorflow as tf

a = tf.Variable(\[\[1,2,3,4,5\], \[6,7,8,9,10\], \[11,12,13,14,15\]\])  
index\_a = tf.Variable(\[\[0,2\], \[0,4\], \[2,2\]\])

with tf.Session() as sess:  
sess.run(tf.global\_variables\_initializer())  
print(sess.run(tf.gather\_nd(a, index\_a)))

\# \[ 3 5 13\]  
  
tf.greater  
判断函数。首先张量x和张量y的尺寸要相同，输出的tf.greater(x, y)也是一个和x，y尺寸相同的张量。如果x的某个元素比y中对应位置的元素大，则tf.greater(x, y)对应位置返回True，否则返回False。与此类似的函数还有tf.greater\_equal。

import tensorflow as tf

x = tf.Variable(\[\[1,2,3\], \[6,7,8\], \[11,12,13\]\])  
y = tf.Variable(\[\[0,1,2\], \[5,6,7\], \[10,11,12\]\])

x1 = tf.Variable(\[\[1,2,3\], \[6,7,8\], \[11,12,13\]\])  
y1 = tf.Variable(\[\[10,1,2\], \[15,6,7\], \[10,21,12\]\])

with tf.Session() as sess:  
sess.run(tf.global\_variables\_initializer())  
print(sess.run(tf.greater(x, y)))  
print(sess.run(tf.greater(x1, y1)))

\# \[\[ True True True\]  
\# \[ True True True\]  
\# \[ True True True\]\]

\# \[\[False True True\]  
\# \[False True True\]  
\# \[ True False True\]\]  
  
tf.cast  
转换数据类型。

a = tf.constant(\[0, 2, 0, 4, 2, 2\], dtype='int32')  
print(a)  
\# <tf.Tensor 'Const\_1:0' shape=(6,) dtype=int32>

b = tf.cast(a, 'float32')  
print(b)  
\# <tf.Tensor 'Cast:0' shape=(6,) dtype=float32>  
  
tf.expand\_dims & tf.squeeze  
增加 / 压缩张量的维度。

a = tf.constant(\[0, 2, 0, 4, 2, 2\], dtype='int32')  
print(a)  
\# <tf.Tensor 'Const\_1:0' shape=(6,) dtype=int32>

b = tf.expand\_dims(a, 0)  
print(b)  
\# <tf.Tensor 'ExpandDims:0' shape=(1, 6) dtype=int32>

print(tf.squeeze(b, 0))  
\# <tf.Tensor 'Squeeze:0' shape=(6,) dtype=int32>  
\---------------------  
作者：Cyiano  
来源：CSDN  
原文：https://blog.csdn.net/Cyiano/article/details/76087747  
版权声明：本文为博主原创文章，转载请附上博文链接！