本文是书籍《TensorFlow深度学习》的学习笔记之一
合并
拼接,仅在现有的维度上合并,可以任意选择维度
In [1]:
a = tf.random.normal([4,35,8]) # 模拟成绩册A,4个班级,每班35人,每人8门课
b = tf.random.normal([6,35,8]) # 模拟成绩册B
tf.concat([a,b],axis=0) # 拼接合并成绩册
Out[1]:
<tf.Tensor: id=13, shape=(10, 35, 8), dtype=float32, numpy=
array([[[ 1.95299834e-01, 6.87859178e-01, -5.80048323e-01, ...,
1.29430830e+00, 2.56610274e-01, -1.27798581e+00],
[ 4.29753691e-01, 9.11329567e-01, -4.47975427e-01, ...,
In [2]:
a = tf.random.normal([10,35,4])
b = tf.random.normal([10,35,4])
tf.concat([a,b],axis=2) # 在科目维度上拼接
Out[2]:
<tf.Tensor: id=28, shape=(10, 35, 8), dtype=float32, numpy=
array([[[-5.13509691e-01, -1.79707789e+00, 6.50747120e-01, ...,
2.58447856e-01, 8.47878829e-02, 4.13468748e-01],
[-1.17108583e+00, 1.93961406e+00, 1.27830813e-02, ...,
考虑张量𝑨保存了某个班级的成绩册,shape 为[35,8],张量𝑩保存了另一个班级的成绩册,shape 为[35,8]。合并这2 个班级的数据时,则需要创建一个新维度,定义为班级维度,新维度可以选择放置在任意位置,一般根据大小维度的经验法则,将较大概念的班级维度放置在学生维度之前,则合并后的张量的新shape 应为[2,35,8]。
In [4]:
a = tf.random.normal([35,8])
b = tf.random.normal([35,8])
tf.stack([a,b],axis=0) # 堆叠合并为2 个班级,班级维度插入在最前
Out[4]:
<tf.Tensor: id=55, shape=(2, 35, 8), dtype=float32, numpy=
array([[[ 3.68728966e-01, -8.54765773e-01, -4.77824420e-01,
-3.83714020e-01, -1.73216307e+00, 2.03872994e-02,
2.63810277e+00, -1.12998331e+00],…
堆叠和拼接都要符合张量shape一致的原则。
分割
分割就是将一个张量分拆为多个张量。
x=tf.random.normal([10,35,8])
# 等长切割为10份
result = tf.split(x,num_or_size_splits=10,axis=0)
len(result)
10 # 分成了10个张量,每个shepe为[35,8]
x=tf.random.normal([10,35,8])
# 等长切割为10份
result = tf.split(x,num_or_size_splits=[4,2,2,2],axis=0)
#10个班级分为了4 2 2 2个班级
2020.8.14 这一章还剩下蛮多内容,不过我决定先把后面的实验做了再回来看