利用tf.tile和tf.reshape和tf.transpose达到np.repeat效果

最新推荐文章于 2023-07-28 22:07:36 发布
最新推荐文章于 2023-07-28 22:07:36 发布
阅读量1.3k 收藏 2
点赞数
分类专栏： tensorflow Python 文章标签： python tensorflow
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/not_guy/article/details/113741194
版权
这篇博客介绍了如何在TensorFlow 1.12中，通过结合使用tf.tile、tf.reshape和tf.transpose来实现与numpy的np.repeat类似的功能。在numpy中，可以简单地用np.repeat和np.reshape完成二维矩阵的复制和转换为三维矩阵的操作。由于TensorFlow缺少tf.repeat，作者提供了一种替代方案，即先用tf.tile按指定倍数复制矩阵的每一列，然后通过tf.reshape将其转换为三维矩阵，最后用tf.transpose对后两维进行转置，从而达到预期的效果。
摘要由CSDN通过智能技术生成

问题：将二维矩阵A复制后变换为三维矩阵B，示例如下：

          ---------------------->                 

如果是numpy库，则可以直接使用np.repeat和np.reshape实现

 

由于tensorflow-1.12中没有tf.repeat函数，所以只能通过其他方式实现，即：tf.tile+tf.reshape+tf.transpose

tf.tile中参数multiples为[1,5]，即第一维重复1份，第二维重复5份

最低0.47元/天 解锁文章
gyl2016
关注
专栏目录
Tensorflow 2.x源码详解之开宗明义：基本介绍和张量(万文多图)
weixin_43178406的博客
01-24 1万+
1. tf2简介 2. 张量tensor（eager tensor） 2.1 张量简介 2.2 创建张量(tensor) 2.2.1 tf.constant 2.2.2 constant_initializer:指定shape和value的类 2.2.3 tf.eye：单位矩阵或指定的1矩阵 2.2.4 tf.fill:指定shape和value 2.2.5 one_hot 2.2.6 tf.ones:指定shape，value为1 2.2.7 ones_initializer ....
A Brief History of Word Embeddings and Their Use in NLP
最新发布
程序员光剑
08-05 795
1950年代，英文单词"word embedding"第一次出现在著名的科幻小说“狄更斯的通灵秘笈”中。当时，英语被视作计算机和语言处理领域的主要研究对象，因此，Word Embedding这一术语也被用来描述整个领域中的重要研究成果。1980年代，计算机模型如相似性匹配算法(similarity matching algorithms)或聚类算法(clustering algorithms)开始广泛使用。
tf.repeat(), Tensorflow2.1.0以上
weixin_43834407的博客
06-04 4590
今天看代码用到了tf.repeat() 查了下资料没有人专门讲解这个，我来写一下，希望能帮到后人。 官方文档： https://www.tensorflow.org/api_docs/python/tf/repeat?hl=ca 调用该方法： tf.repeat(input, repeats, axis=None, name=None) 参数： 1）input: 一个tensor 2）repeats: 重复的次数 注意：len(repeats) must equal input.shape[axis]
np.tile(), np.repeat() 和 tf.tile()
weixin_30502965的博客
06-03 523
以上三个函数，主要区别在于能够拓展维度上和重复方式： 　　np.tile() 能够拓展维度，并且整体重复： 　　　　 1 a = np.array([0,1,2]) 2 np.tile(a,(2,2)) 3 # out 4 # array([[0, 1, 2, 0, 1, 2], 5 [0, 1, 2, 0, 1, 2]]) 　　2.　　np...
tf.repeat
luoganttcc的博客
08-07 1728
import tensorflow as tf tf.repeat(['a', 'b', 'c'], repeats=[3, 0, 2], axis=0) <tf.Tensor: shape=(5,), dtype=string, numpy=array([b'a', b'a', b'a', b'c', b'c'], dtype=object)> repeat([[1, 2], [3, 4]], repeats=[2, 3], axis=0) <tf.Tensor: shape=(5
【tensorflow】tf.repeat实现单一元素扩展为具有重复元素的二维图像
享受当下
03-14 2510
tf.repeat实现单一元素扩展为其重复元素的二维图像 目标：将一维数据[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]扩展为9张二维图像(第一张图像中元素全为0，第二张的全为1，以此类推…) 代码： import numpy as np import tensorflow as tf inpt = np.arange(10) inpt = inpt.T # 生成[0, 1, 2 ... , 9]的列向量 inpt = np.expand_dims(inpt, axis=1) # 对inp
TF.Slim的repeat和stack操作
VIEO
05-23 5195
元学习论文总结||小样本学习论文总结 2017-2019年计算机视觉顶会文章收录 AAAI2017-2019 CVPR2017-2019 ECCV2018 ICCV2017-2019 ICLR2017-2019 NIPS2017-2019 一：常规做法 在搭建网络时，TF-Slim 提供 repeat 和 stack，允许用户重复执行相同的 操作，方便网络构建，例如： net = ......
三维点云体素滤波python_一种基于点云的Voxel（三维体素）特征的深度学习方法...
weixin_39849387的博客
12-19 1879
兰州大学在读硕士研究生，主要研究方向无人驾驶，深度学习；兰大未来计算研究院无人车团队负责人，自动驾驶全栈工程师。之前我们提到使用SqueezeSeg进行了三维点云的分割，由于采用的是SqueezeNet作为特征提取网络，该方法的处理速度相当迅速(在单GPU加速的情况下可达到100FPS以上的效率)，然而，该方法存在如下的问题：第一，虽然采用了CRF改进边界模糊的问题，但是从实践结果来看，其分割的精...
57、yolov5+rk3399pro/yolov7+rk3588 支持batchsize=3仿真测试和实体开发板上测试
sxj731533730
07-28 1101
基本思想：python转换脚本安装，和其它环境配置参考之前，主要想搞一版本batchsize=3的c++ demo;一、转模型yolov5 batchsize=1 使用yolov5-5.0版本修改一点点参考上面链接。上面小板子是rk3399pro 大板子是rk3588,yolov5的使用参考链接。四、测试rk3588,官方的sdk ，转onnx=3。二、batchsize=3测试 ,参考。c++测试和上面雷同，
tile&repeat api使用小结
cyz0202的博客
04-10 263
TensorFlow tile & Numpy tile 如下，tile一般用法是，参数一是要tile对象t4，参数二是一个shape，表示要对t4各个axis做多少复制，示例[3,2]表示对axis=0和axis=1分别做3、2次复制；需要注意的是复制都是对t4整体复制； >> t4 = tf.constant([[1,2,3],[4,5,6]]) >> ...
tf.tile()用法及实例
黄鑫的博客
09-19 8457
tf.tile( input, #输入 multiples, #某一维度上复制的次数 name=None ) 实例 import tensorflow as tf a = tf.tile([1,2,3],[2]) b = tf.tile([[1,2], [3,4], [5,6]],[2,3...
tensorflow 元素重复方法汇总
知行力
10-22 832
1. tf.repeat >>> a = tf.repeat(['a', 'b', 'c'], repeats=[3, 1, 2], axis=0) [b'a' b'a' b'a' b'b' b'c' b'c'] >>> a = tf.repeat(['a', 'b', 'c'], repeats=[3, 1, 2], axis=1) [b'a' b'a' b'a' b'c' b'c'] >>> out = tf.repeat([[1, 2],
tensorflow2.0 api学习
来自Daisy和她的单程车票
11-13 1045
1.数据扩展 1.1 tf.tile 和tf.keras.backend.repeat_elements的区别 repeat_elements 是元素级别的，tile是维度级别的 repeat_elements(x, rep, axis): x 是输入，rep为重复次数，axis是沿着某个轴 b = tf.constant([[1, 2, 3],[4,5,6]]) c=tf.keras.backend.repeat_elements(b, rep=3, axis=1) output: <tf.Te
python 二维矩阵画三维图_将二维数组复制到第三维，N次（Python）
weixin_39620279的博客
11-23 705
也许最干净的方法是使用np.repeat：a = np.array([[1, 2], [1, 2]])print(a.shape)# (2, 2)# indexing with np.newaxis inserts a new 3rd dimension, which we then repeat the# array along, (you can achieve the same effect...
PyTorch学习笔记(17) ——pytorch的torch.repeat和tf.tile的对比
g11d111的博客
12-29 9361
0. 前言 在对比stylegan2的D_stylegan2的时候, 我需要校对我的Minibatch_stddev_layer和作者的tf版本的区别，其中，有一个算子f.tile, 网上已经介绍的很清楚了，将其翻译为pytorch版本的时候其对应的算子没有清晰的解释，因此我将torch.repeat和tf.tile进行了简单比较(下面)，基本结论是2者是一致的，可以等效替换. 1. 测试比较 ①...
deformable convolution（可变形卷积）算法解析及代码分析
热门推荐
mykeylock的博客
08-31 2万+
可变形卷积是指卷积核在每一个元素上额外增加了一个参数方向参数，这样卷积核就能在训练过程中扩展到很大的范围。 可变形卷积的论文为：Deformable Convolutional Networks【1】 而之前google一篇论文对这篇论文有指导意义：Spatial Transformer Networks【2】 论文【1】的github代码地址为https://github.com/feli
常见的Tensor操作——tf.reshape; tf.pad; tf.slice; tf.transpose; tf.tile; tf.expand_dims; tf.squeeze
pingpingsunny的专栏
03-14 753
对于Tensor的常见操作无非就是变化一下shape，做个转置，padding一下，取其中固定的维度的信息，增加个维度，减少各维度之类的，具体的分为7个接口，分别如下： 1. tf.reshape 在向量运算时，难免向量的形状跟要求不一致，这个时候需要reshape操作改变向量的形状，该操作只修改各个维度的大小，不修改向量中数据的顺序，比如一个向量a = [1, 2, 3, 4]，它的shap...
tf. 函数库与np.函数库的转换
william_hehe的博客
08-20 1031
前言： 在对算法模型进行部署的时候，往往需要做一些工作。以xilinx开发板部署tf框架模型为例，首先需要对训练好的ckpt模型进行freeze得到.pb模型，之后，对其进行量化、编译生成elf文件，然后在板卡上通过main.cc函数调用pb模型的输入/输出节点对网络模型进行计算，注意这里的计算分为两部分，其中模型的输入数据前处理和输出数据后处理的计算部分由板卡中的ARM处理器进...
tf.tile
05-30
`tf.tile` 是 TensorFlow 的一个函数，用于在指定的维度上复制张量的数据。它的函数原型如下： ```python tf.tile( input, multiples, name=None ) ``` 其中， - `input`：需要复制的张量，可以是任意维度。 - `...
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