pwcnet中的函数

t=np.array(range(300)).reshape(3,436,1024,2)  假如此为一张图片，3为batch,4为通道的话，应该这么想象。batch的想象没有问题，主要是(436,1024,2)这里。这里使用spyder可视化，选择axis=2之后，下图1尺寸为（436,1024），因为axis2=2，表示可以选择两张这种尺寸的图。

                                                                                      图1

假如看axis=0的话，那么显示如下，尺寸为(1024,2)，有436个这样的，下图为图片的第一行，下图虽然竖着，但是其实放图片中就是第一行，把两个通道都显示了

假如看axis=1的话，那么尺寸为(436,2)，有1024个这样的，就是图像的第一列。

 

 

tf.unstack

给定tensor(A,B,C,D)，

假如axis=0,那么输出的第i个tensor的shape为（B，C，D）。代表切片（i，B，C，D）

假如axis=1,那么输出的第i个tensor的shape为（A，C，D）。代表切片（A，i，C，D）

Unpacks the given dimension of a rank-R tensor into rank-(R-1) tensors.

given dimension of 是修饰rank-r tensor,就像a large number of。

tf.gather_nd

直接上例子

import tensorflow as tf



indices = [1]                                             #(1,)
params = [[['a0', 'b0'], ['c0', 'd0']],
          [['a1', 'b1'], ['c1', 'd1']]]
output = [['a1', 'b1'], ['c1', 'd1']]                 ##(2,2)


indices = [[1]]                                          #(1,1)
params = [[['a0', 'b0'], ['c0', 'd0']],    
          [['a1', 'b1'], ['c1', 'd1']]]
output = [[['a1', 'b1'], ['c1', 'd1']]]  #############1 (1,2,2)

indices = [[0, 1], [1, 0]]                                ##(2,2)
params = [[['a0', 'b0'], ['c0', 'd0']],
          [['a1', 'b1'], ['c1', 'd1']]]                  ##(2,2,2)
output = [['c0', 'd0'], ['a1', 'b1']]##################2  (2,2)

indices = [[0, 0, 1], [1, 0, 1]]                          #(2,3)
params = [[['a0', 'b0'], ['c0', 'd0']],
          [['a1', 'b1'], ['c1', 'd1']]] 
output = ['b0', 'b1']                 ###################3  (2,)

x_00 = tf.gather_nd(params, indices)
print (x_00)

上面代码一共4个例子，[1]索引到第一个(2,2)数组，[[1]]索引到(2,2)但是因为[[1]]，外面还有一个括号，所以最终得到(1,2,2)，但是和[1]的结果是一样的。

第一个例子，params的shape为2,2,2.indices为[[1]],indices中最外侧的[]在output中不改变，indices里面的[1]代表选取params的slices,这个1代表选取params中第一个2,2.把这个2,2尺寸的矩阵放到indices中最外侧的[]中。

第二个例子，indices最外侧的[]不变，从indices中可以看出，output中有两个元素，第一个元素对应params中0,1的位置，0代表第一个矩阵，1代表举证中第二行。

以下代码为此函数更深入理解：

params=np.array(range(48)).reshape(2,2,3,4)  
 
indices=[[[[0,1],
          [1,1],
          [1,2]],
          [[1,1],
          [1,0],
          [0,1]]],
          [[[1,1],
          [1,0],
          [1,1]],
          [[1,0],
          [0,1],
          [0,1]]]]

a=tf.Variable(params)     ##<tf.Variable 'Variable_14:0' shape=(2, 2, 3, 4) dtype=int64_ref>
print (a)
b=tf.Variable(indices) ###<tf.Variable 'Variable_15:0' shape=(2, 2, 3, 2) dtype=int32_ref>
print (b