![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
tensorflow2.x
文章平均质量分 61
就是噢
这个作者很懒,什么都没留下…
展开
-
tensorflow2.x:数据统计
文章目录 一、范数二、最大最小值、均值、求和三、获得最值所在的索引号 四、张量比较 1. 增加维度2. 删除维度五、去重与还原 一、范数概念L1范数:定义为向量所有元素绝对值之和: L2范数:定义为向量所有元素的平方和再开根号: ∞ −范数:定义为向量x的所有元素绝对值的最大值: 对于矩阵、张量,同样可以利用向量范数的计算公式,等价于将矩阵、张量打平成向量后计算。"""范数tf.norm(x, ord, axis)ord 指定为 1、 2 时计算 L1、 ...原创 2021-03-25 17:43:05 · 216 阅读 · 0 评论 -
TensorFlow2.x:合并与分割
文章目录 一、合并1. 拼接2. 堆叠 二、分割 一、合并合并:将多个张量在某个维度上合并为一个张量。 以某学校班级成绩册数据为例,设张量A 保存了某学校1-5 号班级的成绩册,每个班级30 个学生,共8 门科目,则张量A的shape 为:[5,30,8];同样的方式,张量B 保存了剩下的6 个班级的成绩册,shape 为[6,30,8]。通过合并2 个成绩册,便可得到学校所有班级的成绩册张量C,shape 应为[11,30,8]。张量的合并可以使用拼接(Concatenate)和堆..原创 2021-03-25 16:47:43 · 164 阅读 · 0 评论 -
tensorflow2.x 数学运算
一、算术操作(+,-,*,/,//,%)(1)tensor-tensor操作(element-wise)a = tf.ones([2, 2])b = tf.fill([2, 2], 2.)add = a + bminus = a - bmultiply = a * b #点乘divide = a / bdivideExactly = a // b #整除surplus = b % a #取余(2)tensor-scalar操作#scalar-tensor操作。 #对tensor原创 2021-03-16 17:19:19 · 133 阅读 · 0 评论 -
tensorflow2.x 维度变换
一、张量的存储和视图(View)概念张量的视图就是我们理解张量的方式,例如shape 为[2,4,4,3]的张量A,我们从逻辑上可以理解为2 张图片,每张图片4 行4 列,每个位置有RGB 3 个通道的数据;张量的存储体现在张量在内存上保存为一段连续的内存区域,对于同样的存储,我们可以有不同的理解方式,比如上述A,我们可以在不改变张量的存储下,将张量A 理解为2 个样本,每个样本的特征为长度48 的向量。在存储数据时,内存并不支持这个维度层级概念,只能以平铺方式按序写入内存,因此这种层级关系需要人为原创 2021-03-16 16:40:31 · 375 阅读 · 0 评论 -
tensorflow2.x 索引与切片
举例说明索引数据中存有5张28x28的照片的三通道分析数据data:[5, 28, 28, 3]#使用随机分布进行模拟图片数据data = tf.random.normal([5, 28, 28, 3])#索引至第5张照片的所有信息data1 = data[4]切片省略号(…) 数据中有多个维度时,只需要在其中个别维度中进行获取数据,即可用省略号代表其他维度不填写#以上述照片的数据为例data2 = data [3,...,2]#取第一维度中的下标为3且第四维度中下标为2的原创 2021-03-14 10:29:17 · 80 阅读 · 0 评论