tf.split(dimension, num_split, input):dimension的意思就是输入张量的哪一个维度,如果是0就表示对第0维度进行切割。num_split就是切割的数量,如果是2就表示输入张量被切成2份,每一份是一个列表。
- import tensorflow as tf;
- import numpy as np;
- A = [[1,2,3],[4,5,6]]
- x = tf.split(1, 3, A)
- with tf.Session() as sess:
- c = sess.run(x)
- for ele in c:
- print ele
输出:
[[1]
[4]]
[[2]
[5]]
[[3]
[6]]
TensorFlow函数:tf.split
tf.split函数
split(
value,
num_or_size_splits,
axis=0,
num=None,
name='split'
)
定义在:tensorflow/python/ops/array_ops.py。
参见指南:张量变换>切割和连接
将张量分割成子张量。
如果 num_or_size_splits 是整数类型,num_split,则 value 沿维度 axis 分割成为 num_split 更小的张量。要求 num_split 均匀分配 value.shape[axis]。
如果 num_or_size_splits 不是整数类型,则它被认为是一个张量 size_splits,然后将 value 分割成 len(size_splits) 块。第 i 部分的形状与 value 的大小相同,除了沿维度 axis 之外的大小 size_splits[i]。
例如:
# 'value' is a tensor with shape [5, 30]
# Split 'value' into 3 tensors with sizes [4, 15, 11] along dimension 1 split0, split1, split2 = tf.split(value, [4, 15, 11], 1) tf.shape(split0) # [5, 4] tf.shape(split1) # [5, 15] tf.shape(split2) # [5, 11] # Split 'value' into 3 tensors along dimension 1 split0, split1, split2 = tf.split(value, num_or_size_splits=3, axis=1) tf.shape(split0) # [5, 10]
函数参数:
- value:要分割的 Tensor。
- num_or_size_splits:指示沿 split_dim 分割数量的 0-D 整数 Tensor 或包含沿 split_dim 每个输出张量大小的 1-D 整数 Tensor ;如果为一个标量,那么它必须均匀分割 value.shape[axis];否则沿分割维度的大小总和必须与该 value 相匹配。
- axis:A 0-D int32 Tensor;表示分割的尺寸;必须在[-rank(value), rank(value))范围内;默认为0。
- num:可选的,用于指定无法从 size_splits 的形状推断出的输出数。
- name:操作的名称(可选)。
函数返回值:
如果 num_or_size_splits 是标量,返回 num_or_size_splits Tensor对象;如果 num_or_size_splits 是一维张量,则返回由 value 分割产生的 num_or_size_splits.get_shape[0] Tensor对象。
函数可能引发的异常:
- ValueError:如果 num 没有指定并且无法推断。