TensorFlow深度学习（四）——张量进阶（未完）

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