【TensorFlow】常见的对数据操作的方法

import tensorflow as tf

维度变化：

不改变内容的情况下改变数据形状:

=tf.reshape(原数据,想变成的形状)

例:
a=tf.random.normal([4,28,28,3])
###    a.shape    -> [4.28.28.3]
aa=tf.reshape(a,[4,784,3])
###    aa.shape    -> [4,784,3]
aaa=tf.reshape(a,[4,-1,3])
###    aaa.shape    -> [4,784,3]
###    -1的意思是让系统计算此处应该为多少,仅能使用一次. 

对数据进行矩阵转置:

=tf.transpose(原数据,perm=自定义转置) 

perm的维度所对应的数是原数据同一维度的索引(有点不好理解,具体看例子)

例:
###    a.shape    -> [1,2,3,4]
b=tf.transpose(a)
###    b.shape    -> [4,3,2,1]
c=tf.transpose(a,perm=[0,1,3,2])
###    c.shape    -> [1,2,4,3]

 增加维度:

tf.expand_dims(原数据,axis=维度)

减少维度:(仅当该维度的值为1时才可减少)

tf.squeeze(原数据,axis=维度)

例:
###    a.shape    -> [4,28,28,3]
b=tf.expand_dims(a,axis=0)
###    b.shape    -> [1,4,28,28,3]
c=tf.expand_dims(a,axis=4)
###    c.shape    -> [4,28,28,3,1]
d=tf.squeeze(b,axis=0)
###    d.shape    -> [4,28,28,3]
e=tf.squeeze(c,axis=-1)
### e.shape    -> [4,28,28,3]

 数学运算:

求ln a的值:

tf.math.log(x)

若要求logx(y)的值则可:

logx(y)=tf.math.log(y)/tf.math.log(x)

求e的x次方:

tf.exp(x)

求x的y次方:

tf.pow(x,y)        ==        x**y

求x的1/2次方(即开根号):

tf.sqrt(x)

矩阵相乘:

 tf.matmul(x,y)        ==        x@y

例:
a.shape=[2,2]
b.shape=[2,2]
c=tf.matumul(a.b)
c.shape=[2,2]

a= A0  A1
   A2  A3

b= B0  B1
   B2  B3

c= C0  C1
   C2  C3

C0=A0*B0+A1*B2
C1=A0*B1+A1*B3
C2=A2*B0+A3*B2
C3=A2*B1+A3*B3

合并与分割:

拼接(不增加维度):

在z维度上合并x和y:        tf.concat([x,y],axis=z)

例:
### a.shape    -> [4,28,28,3]
### b.shape    -> [2,28,28,3]
c=tf.concat([a,b],axis=0)
### c.shape    -> [6,28,28,3]

 拼接(可增加维度,增加维度时要求其余维度的值都相同):

在z维度上合并x和y:        tf.stack([x,y],axis=z)

例:
### a.shape    -> [4,28,28,3]
### b.shape    -> [4,28,28,3]
c=tf.stack([a,b],axis=0)
### c.shape    -> [2,4,28,28,3]

分割(不可指定数量,可能不保留维度):

在y维度上分割x:        tf.unstack(x,axis=y) 

例:
### c.shape    -> [2,4,28,28,3]
a,b=tf.unstack(c,axis=0)
### a.shape    -> [4,28,28,3]
### b.shape    -> [4,28,28,3]

分割(可指定数量,保留维度):

在y维度上将x分割成z份(可以用列表形式来表示):        tf.split(x,axis=y,num_or_size_splits=z) 

例:
### c.shape    -> [2,4,28,28,3]
a=tf.split(c,axis=0,num_or_size_splits=2)
### len(a)    -> 2
### a[0] == a[1]
### a[0].shape    -> [1,4,28,28,3]
b=tf.split(c,axis=0,num_or_size_splits=[1,1,2])
### len(b)    ->3
### b[0] == b[1]
### b[0].shape    -> [2,4,28,28,1]
### b[2].shape    -> [2,4,28,28,2]