[Tensorflow]实战google深度学习框架之tf.x函数记录

最新推荐文章于 2025-04-01 15:33:45 发布

Yogaht

最新推荐文章于 2025-04-01 15:33:45 发布

阅读量282

点赞数

分类专栏： tensorflow 文章标签： tensorflow google深度学习框架

本文链接：https://blog.csdn.net/Yogaht/article/details/86080856

版权

tensorflow 专栏收录该内容

1 篇文章

订阅专栏

本文深入解析了TensorFlow中的三个关键函数：tf.reduce_sum用于计算张量元素总和，tf.gather用于根据索引提取张量数据，以及tf.expand_dims和tf.squeeze用于调整张量维度。通过具体实例展示了这些函数的使用方法。

摘要由CSDN通过智能技术生成

博客是学习tensorflow时的各种tf.x函数的笔记。

1. tf.reduce_sum函数：

reduce_sum （ 
    input_tensor ， 
    axis = None ， 
    keep_dims = False ， 
    name = None ， 
    reduction_indices = None
 ）

此函数计算一个张量的各个维度上元素的总和。相当于np.sum

input_tensor 输入张量

axis 在哪个维度求和

2.tf.gather函数

tf.gather：用一个一维的索引数组，将张量中对应索引的向量提取出来

import tensorflow as tf
embedding = tf.Variable([[1,2,3,4,5],[6,7,8,9,10],[11,12,13,14,15],[16,17,18,19,20],[21,22,23,24,25]])
tok_seq1 = tf.Variable([0,2,1])
tok_seq = tf.Variable([[0,2],[1,3]])
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(tf.gather(embedding, tok_seq1)))
    print(sess.run(tf.gather(embedding,tok_seq)))

输出
[[ 1  2  3  4  5]
 [11 12 13 14 15]
 [ 6  7  8  9 10]]
[[[ 1  2  3  4  5]
  [11 12 13 14 15]]

 [[ 6  7  8  9 10]
  [16 17 18 19 20]]]

3.tf.expand_dims和tf.squeeze函数

tf.expand_dims(input, axis=None, name=None, dim=None)

在第axis位置增加一个维度

# 't' is a tensor of shape [2]
shape(expand_dims(t, 0)) ==> [1, 2]
shape(expand_dims(t, 1)) ==> [2, 1]
shape(expand_dims(t, -1)) ==> [2, 1]
# 't2' is a tensor of shape [2, 3, 5]
shape(expand_dims(t2, 0)) ==> [1, 2, 3, 5]
shape(expand_dims(t2, 2)) ==> [2, 3, 1, 5]
shape(expand_dims(t2, 3)) ==> [2, 3, 5, 1]

tf.squeeze(input, squeeze_dims=None, name=None)

给定张量输入，此操作返回相同类型的张量，并删除所有尺寸为1的尺寸。如果不想删除所有尺寸1尺寸，可以通过指定squeeze_dims来删除特定尺寸1尺寸。
如果不想删除所有大小是1的维度，可以通过squeeze_dims指定。

# 't' is a tensor of shape [1, 2, 1, 3, 1, 1]
shape(squeeze(t)) ==> [2, 3]
Or, to remove specific size 1 dimensions:
 
# 't' is a tensor of shape [1, 2, 1, 3, 1, 1]
shape(squeeze(t, [2, 4])) ==> [1, 2, 3, 1]