Notes
想将一个向量
x
=
(
x
1
,
x
2
,
x
3
,
x
4
,
x
5
)
T
x=\left(x_1,x_2,x_3,x_4,x_5\right)^T
x=(x1,x2,x3,x4,x5)T 分割成两部分:
a
=
(
x
1
,
x
2
)
T
a=\left(x_1,x_2\right)^T
a=(x1,x2)T 和
b
=
(
x
3
,
x
4
,
x
5
)
T
b=\left(x_3,x_4,x_5\right)^T
b=(x3,x4,x5)T,操作大概是:
a
=
[
1
0
0
0
0
0
0
1
0
0
0
0
]
x
a=\left[\begin{matrix} 1 & 0 & 0 & 0 & 0 & 0\\ 0 & 1 & 0 & 0 & 0 & 0 \end{matrix}\right]x
a=[100100000000]x
和
b
=
[
0
0
0
1
0
0
0
0
0
0
1
0
0
0
0
0
0
1
]
x
b=\left[\begin{matrix} 0 & 0 & 0 & 1 & 0 & 0\\ 0 & 0 & 0 & 0 & 1 & 0\\ 0 & 0 & 0 & 0 & 0 & 1 \end{matrix}\right]x
b=⎣⎡000000000100010001⎦⎤x
在 TensorFlow 中,用 tf.slice
实现张量切片,Keras 中自定义 Lambda
层实现。
TensorFlow
tf.slice(input_, begin, size, name=None)
input_
:tf.tensor,被操作的 tensorbegin
:list,各个维度的开始下标size
:list,各个维度上要截多长
import tensorflow as tf
with tf.Session() as sess:
a = tf.constant([1, 2, 3, 4, 5])
b = tf.slice(a, [0], [2]) # 第一个维度从 0 开始,截 2 个
c = tf.slice(a, [2], [3]) # 第一个维度从 2 开始,截 3 个
print(a.eval())
print(b.eval())
print(c.eval())
- 输出
[1 2 3 4 5]
[1 2]
[3 4 5]
Keras
from keras.layers import Lambda
from keras.models import Sequential
import numpy as np
a = np.array([[1, 2, 3, 4, 5]])
model = Sequential([
Lambda(lambda a: a[:, :2], input_shape=[5]) # 第二维截前 2 个
])
print(model.predict(a))
- 输出
[[1. 2.]]