tf.strided_slice函数（类似K.shape(feats)[1:3]）

最新推荐文章于 2021-12-26 18:42:17 发布
最新推荐文章于 2021-12-26 18:42:17 发布
阅读量2.2k 收藏 1
点赞数
分类专栏： 深度学习 文章标签： tensorflow keras deeplearning
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/eForever/article/details/84025314
版权
在深度学习框架TensorFlow中，`tf.strided_slice`用于从张量中提取特定步长的切片。文章通过举例说明了如何使用该函数，特别是在Keras_YOLO模型中的应用，以及在CIFAR10数据集中的实例。通过`tf.strided_slice(input, [0,0,0], [2,2,2], [1,2,1])`的调用，解释了start、end和stride参数的作用，并展示了如何从三维张量中提取特定部分，最后给出了输出结果`[[[1,1],[3,3]]]`。" 126611476,15081818,深入理解JavaScript正则表达式,"['正则表达式', 'javascript', '前端开发']
摘要由CSDN通过智能技术生成

在keras_yolo中model函数下grid_shape = K.shape(feats)[1:3]
grid_shape：
<tf.Tensor ‘strided_slice:0’ shape=(0,) dtype=int32>
cifar10的例子中也有。

Defined in tensorflow/python/ops/array_ops.py.

input
来把输入变个型,可以看成3维的tensor,从外向里为1,2,3维
（维数的判断顺序为z轴–y轴–x轴）

[[

      [1,1,1]

      [2,2,2]

 ]

 [

     [3,3,3]

     [4,4,4]

 ]

 [

     [5,5,5]

     [6,6,6]

 ]]

以tf.strided_slice(input, [0,0,0], [2,2,2], [1,2,1])调用为例,start = [0,0,0] , end = [2,2,2], stride = [1,2,1],求一个[start, end)的一个片段,注意end为开区间

第1维 start = 0 , end = 2, stride = 1, 所以取 0 , 1行，此时的输出

output1=

[ [

      [1,1,1]

      [2,2,2]

 ]

 [

     [3,3,3]

     [4,4,4]

 ]]

第2维时, start = 0 , end = 2 , stride = 2, 所以只能取0行,此时的输出

output2=

[ [

      [1,1,1]

 ]

 [

     [3,3,3]

 ]]

第3维的时候,start = 0, end = 2, stride = 1, 可以取0,1行,此时得到的就是最后的输出

 [[

      [1,1]

 ]

 [

     [3,3]

 ]]

整理之后最终的输出为:

[[[1,1],[3,3]]]

更多例子：
非严谨算output_shape:|end - start|

t = tf.constant([[[1, 1, 1], <
最低0.47元/天 解锁文章
Lemon_Rain
关注
专栏目录
pytorch实现连续切片，类似于tf.strided_slice()
jacke121的专栏
04-06 1953
1.背景： 一直使用torch进行开发，torch的友好为开发调试提供了很多方便，但是torch中有些函数没有内置，造成使用的时候必须自己实现，最近就遇到了一个连续切片的问题，问题可以想象我们往Bert中输入的是一个句子对，但是我们还需要第一个句子的表示，因此必须从句子对的表示中取出第一个或者第二个句子的表示，tensorflow中tf.strided_slice()函数有类似的功能，但是我在torch中没有找到类似的函数，因此自己想办法实现了类似功能（如果有大神知道更好的方案请不吝赐教）。 2.解..
tf.strided_slice 实例
Talk Is Cheap
03-02 6540
import tensorflow as tf data = [1,2,3,4,5,6,7,8] x = tf.strided_slice(data,[0],[4]) y = tf.strided_slice(data,[1],[5]) with tf.Session() as sess: print(sess.run(x)) print(sess.run(y))结果 [1 2 3
shape函数_深度残差网络+自适应参数化ReLU激活函数（调参记录16）
weixin_39975683的博客
12-08 73
在调参记录15的基础上，将第一个残差模块的卷积核个数，从16个增加到32个，同时将自适应参数化ReLU激活函数中第一个全连接层的神经元个数改成原先的1/16，继续测试其在Cifar10数据集上的效果。自适应参数化ReLU激活函数的基本原理如下：自适应参数化ReLU激活函数Keras程序：#!/usr/bin/env python3# -*- coding: utf-8 -*-"""Created ...
Keras：Shape函数
VeritasCN的博客
05-09 4867
Shape keras.backend.shape(x) 返回张量或变量的符号尺寸。 参数 x: 张量或变量。 返回 符号尺寸（它本身就是张量）。 例子： # TensorFlow 例子 >>> from keras import backend as K >>> tf_session = K.get_session() >>...
图解TensorFlow op：tf.strided_slice
田海立@CSDN
11-14 2299
本文用图文的方式来解释TensorFlow中strided_slice算子运算的方式。
tf.strided_slice的一些心得
xieyang_auto的博客
10-10 2672
最近在测试strided_slice算子，由于这个算子应用不多，算子计算逻辑较为复杂，mark下。 这个算子的主要功能是对tensor的shape进行切片，起始位置&终止位置&步长可以指定。应用场景类似于剥离三维图像中的核心部分。 算子的定义如下： tf.strided_slice( input_, # 输入的data begin, # 切分的起始位置为一个一维向量，实测len( end, strides=None, begin_mask=0, end_mask=0, ellipsis_ma
tensor
fVector的博客
10-19 144
import tensorflow as tf tensor = tf.constant(0) #产生常数 tf.rank(tensor) #0,常数的秩为0 #直接打印tensor print(tensor) #tf.Tensor(0, shape=(), dtype=int32), 会出现值，shape和dtype #tensor 转换为numpy,只需要tensor后加 '.numpy()'即可 tensor.numpy() x = tf.constant([[1,1],
Cannot convert a symbolic Tensor (simple_rnn/strided_slice:0) to a numpy array. 报错 （解决方法）
Welcome
11-15 4165
1.报错 问题：（来自《Python深度学习》P164-165） 在运行以下代码的时候，报错：Cannot convert a symbolic Tensor (simple_rnn/strided_slice:0) to a numpy array. # 只返回最后一个时间步的输出 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Embedding, SimpleRNN mod.
tensorflow API学习——tf.strided_slice
仲夏
12-22 1581
tf.strided_slice( input_, begin, end, strides=None, begin_mask=0, end_mask=0, ellipsis_mask=0, new_axis_mask=0, shrink_axis_mask=0, var=None, name
k-shape时间序列聚类(tslearn)
热门推荐
fitzgerald0的博客
08-23 2万+
时间序列聚类概述 时间序列数据挖掘从技术角度来讲，一般有四种时间序列预测，时间序列分类，时间序列聚类，时间序列异常检测基本上包含了机器学习的几大领域由于时序数据的特殊性，所以每一个方面都与截面数据挖掘有所区别。本文主要讲讲时序聚类中的k-shape算法，和以往的风格一样，重在算法实现。时间序列数据的聚类，关键在于如何定义相似度。 比如基于时间序列特征（len，max,min,std,lag）等可以使用 KMeans算法进行聚类。除了使用欧式距离以外，还可以使用dtw等方法，以及动态规划原理，对时间序列.
img.shape[0]、[1]、[2]到底代表什么（转）
weixin_44682222的博客
09-12 2万+
img.shape[ : 2] 表示取彩色图片的长、宽。 img.shape[ : 3] 则表示取彩色图片的长、宽、通道。 关...
论文阅读_时序聚类K-Shape
谢彦的技术博客
12-26 3878
基本信息 论文题目：k-Shape: Efficient and Accurate Clustering of Time Series 论文地址：https://dl.acm.org/doi/10.1145/2949741.2949758 相关源码：https://github.com/tslearn-team/tslearn/ 用法示例：https://tslearn.readthedocs.io/en/stable/auto_examples/clustering/plot_kshape.htm
python深度学习——用Keras实现DeepDream
u010094573的博客
06-01 565
实现deepdream # import scipy.misc import imageio import scipy.ndimage import numpy as np from keras.preprocessing import image from keras.applications import inception_v3 from keras import backend as K # 禁用所有与训练有关的操作 K.set_learning_phase(0) # 构建不包括全连接层的Inc
tf.shape(tensor)和tensor.shape()的区别
yinheju的博客
11-23 8069
#tf.shape(tensor)和tensor.shape()的区别 a=tf.zeros([4,5,4,5,6]) print(type(a.shape)) print(a.shape.ndims)#多少个维度 print(a.shape.as_list())#返回列表 print(type(tf.shape(a))) print(type(tf.shape(a)[0])) b=a.shape...
今天算是我的第一个10.24程序员节吧，记录由VGG16复现过程中初见的用法、函数等，以此起步。
m0_37644085的博客
10-24 243
1.a[len(a):len(a)]=[] a=[] a[len(a):len(a)]=[]可以用来扩展list,类似append，但是append，又类似于”整体加入“ a=[8,9] print(a) a[len(a):len(a)]=[1,2,3] print(a,) a.append([7,7]) print(a) a.append('b') print(a) a...
tensorflow去掉某一维度_tensorflow知识点汇总（一）
weixin_39637457的博客
12-10 4078
一. 数据类型1.1 Tensor定义：在tensorflow中，有这四类数据格式，scalar: 1 标量；vector:[1,2,3] 向量；matrix: [[1,2],[3,4]] 矩阵；tensor: rank>2 维度大于2的数组。一般情况下这几种类型都可以称为tensor。TF中基础数据类型支持：int、float、duoble、bool、string类型。#定义个常量ten...
tensorflow的张量维度和形状shape，以及张量中元素的读取
z2539329562的博客
10-29 8373
之前一直弄混张量的维度和shape的关系，认为通过tf.shape()获得的就是维度，现在发现错误，记下来。 tf.shap()用来获取的是张量的各个维度上的元素数目。 1 #维度为0的标量 [1, 2, 3] #维度为1，包含3个元素 [[1, 2], [...
tslearn使用轮廓系数（silhouette_score）评估KShape聚类效果
虚拟-Worder的博客
08-11 1万+
前言 tslearn和sklearn一样，是一款优秀的机器学习框架，tslearn更偏向于处理时间序列问题，如其聚类模块就包含了DTW（Dynamic Time Warping）等算法及变种，也提供了轮廓系数对聚类效果评估，十分方便。但可惜，tslearn似乎没有提供对KShape聚类的评估方法，而且tslearn用的人也不多，官方文档也是很 “简洁”，网上也搜不到多少相关文章，所以这里也就记录下自己的踩坑过程 轮廓系数评估接口调用 先看官方例子，这里X是一个三维的numpy数组，代表20段时间序
快速理解tf.strided_slice函数
zjj
05-04 1735
最近在处理遥感图像的时候要用到tensorflow的tf.strided_slice函数，下面是我的理解：附检验代码：import tensorflow as tf   data = [[[1, 1, 1], [2, 2, 2]],   [[3, 3, 3], [4, 4, 4]],   [[5, 5, 5], [6, 6, 6]]]   x = tf.strided_slice(data,[0,...
tf.math.top_k如何指定维度
最新发布
09-13
如果你想要指定特定的维度来应用 `top_k` 函数，你可以先通过 `tf.gather` 或者 `tf.strided_slice` 来选择你感兴趣的维度，然后再应用 `top_k`。 具体操作如下： 1. 使用 `tf.gather` 或者 `tf.strided_slice` 对...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值