3-维度变换

最新推荐文章于 2022-04-16 22:46:36 发布
最新推荐文章于 2022-04-16 22:46:36 发布
阅读量675 收藏
点赞数
分类专栏： tensorflow基础知识及深度学习 文章标签： python
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/qq_19742617/article/details/121277333
版权

1. tf.reshape维度变化(变化前后需要保持整体维度一致)

在这里插入图片描述

2.tf.transpose维度置换(全部倒置和特定维度置换)

在这里插入图片描述
在这里插入图片描述

3.tf.expand_dims维度展开和tf.squeeze维度缩小(都是围绕维度为1的进行)

在这里插入图片描述

4.tf.broadcast_to完成维度相加（维度相加的规则 右对齐，右变成为最小维度）

在这里插入图片描述

5.维度的合并和切分

1.维度合并–tf.concat和tf.stack函数
在这里插入图片描述
2.tf.unstack函数维度打散–按照某一维度打成列表储存的形式
在这里插入图片描述
3.维度切分tf.split函数----列表储存的形式
在这里插入图片描述

*小鸡炖蘑菇*
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python 三维数组旋转_numpy库ndarray多维数组的维度变换方法(reshape、resize、swapaxes、flatten)...
weixin_39963440的博客
12-09 816
numpy库对多维数组有非常灵巧的处理方式，主要的处理方法有：.reshape(shape) ： 不改变数组元素，返回一个shape形状的数组，原数组不变.resize(shape) ： 与.reshape()功能一致，但修改原数组In [22]: a = np.arange(20)#原数组不变In [23]: a.reshape([4,5])Out[23]:array([[ 0, 1, 2, 3...
tf的维度变换
鼠人的博客
08-09 825
维度变换的意义 维度变换的物理意义：用于将数据转换为另一种理解方式，如有4张28x28的图片RGB三通道，初始数据维度为[4,28,28,3]，是按行和列来理解图片。通过维度变换来改变为[4,28*28,3]，是按照像素来理解图片。 维度变换要保证改变维度之后的数据与原数据总量一致且被充分利用 维度变换的方法 tf.reshape函数的使用：reshape函数的基本语法为 tf.reshape(a,[4,784,3]) 其中a为需要进行维度变换的数据，[]中的内容为改变后的维度，并且tf.re
【机器学习】维度变换、tf.reshape()、tf.transpose()、tf.expand_dims() 、tf.squeeze()
mysterious superstar
07-27 773
所谓维度变换就是，将一个高维度的数据，通过一定的方式转换为低维度，比如下面的例子。 tf.reshape() In [2]: a=tf.random.normal([4,28,28,3]) 2019-07-27 09:38:52.383549: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports in...
TensorFlow基础（3）维度变换
weixin_44340026的博客
06-11 184
TensorFlow基础（3）维度变换
tensorflow的reshape操作tf.reshape()
热门推荐
snailme的博客
12-02 17万+
tensorflow中reshape()函数应用
lesson09-维度变换.zip
最新发布
08-29
深度学习与PyTorch入门实战视频教程 配套源代码和PPT深度学习与PyTorch入门实战视频教程 配套源代码和PPT深度学习与PyTorch入门实战视频教程 配套源代码和PPT深度学习与PyTorch入门实战视频教程 配套源代码和PPT深度...
k-l 变换（pca）matlab
02-16
这种方法可以用于降低数据的维度，同时保留大部分的信息。在图像处理中，K-L变换常用于图像压缩，因为它可以找出影响图像视觉质量的主要成分。 **主成分分析（PCA）**是一种广泛应用的数据分析技术，它的主要目的是...
【图像处理】图像K-L变换、主成分压缩、小波变换去噪含Matlab源码.zip
05-05
3. 小波变换去噪： 小波变换是一种多尺度分析方法，它能提供时间和频率的局部特性，非常适合于图像的细节分析和噪声分离。在图像去噪过程中，小波变换可以将图像分解成多个不同尺度和位置的细节和低频部分，然后根据...
模式识别 基于K-L变换的人脸识别
11-21
在人脸识别中，K-L变换可以用来降低原始图像的维度，同时保留最重要的信息，这对于处理高维图像数据非常有效。 首先，我们需要对人脸图像进行预处理，包括灰度化、归一化和尺寸标准化等步骤，使得所有人脸图像具有...
图像的压缩——PCA变换（K-L变换）.rar
07-22
它通过线性变换将原始数据转换到一个新的坐标系统中，使得新的坐标轴按照数据方差的大小排序，从而有效地减少数据的维度，实现数据的压缩。PCA变换在图像处理中有着广泛的应用，特别是在图像编码、特征提取和降噪等...
Python中三维变二维矩阵（用reshape）后各个维度的关系
Bebr的博客
01-14 2万+
一、 将一个5X20的二维矩阵变为一个5X10X2的三维数据。 import numpy as np X_test = np.arange(100).reshape(5,20) print(X_test) X_test = X_test.reshape([X_test.shape[0], 10, 2]) 得到的三维的X_test是5个二维的二维矩阵叠加而成的。 相当于，将原来5行的...
Python中reshape的用法及多个二维数组合并为三维数组的方法
Bebr的博客
01-11 3万+
reshape(shape) ： 不改变数组元素，返回一个shape形状的数组，原数组不变。是对每行元素进行处理 resize(shape) ： 与.reshape()功能一致，但修改原数组 In [1]: a = np.arange(20) #原数组不变 In [2]: a.reshape([4,5]) Out[2]: array([[ 0, 1, 2, 3, 4], ...
tensorflow 2.0 基础操作 之 维度变换
ZHE
04-16 3369
3.4 维度变换tf.shape, tf.ndimtf.reshapetf.transposetf.expand_dimtf.squeeze tf.shape, tf.ndim a = tf.random.normal([4, 28, 28, 3]) a.shape # TensorShape([4, 28, 28, 3]) a.ndim # 4 (int) tf.reshape a =...
卷积神经网络中每层矩阵维度变化
ORIGINAL GEOMETRY
11-16 9902
卷积神经网络在图像识别上已经相当成熟．经典的识别手写字的卷积神经网络LeNet-5模型为７层的神经网络．其中每一层上面矩阵的维度的变换是图像像素得到识别的重点，而矩阵维度的变换是每一层之间使用卷积核大小所决定．LeNet-5模型在识别手写字方面最为经典： （第０层），卷积神经网络的输入层为图片的矩阵，输入的图片为３２＊３２，因为每次输入的图片张数为１，因此input层的矩阵大小为：３２＊３２＊１．
tensorflow 实现矩阵逻辑变换（tf.gather/tf.gather_nd）
LEILEI18A的博客
06-29 2906
Pytorch实现逻辑变换很容易，因为与numpy互相转换。但是，tensorflow实现可能有些困难，但是可以转换思路实现。例如： pytorch  实现 lab[lab>10]=255，然后再将255去掉，只取非255部分,计算loss tensorflow 只需要计算loss时，tf.gather_nd(lab,index) ，index=tf.where(lab<=10)使用例...
TensorFlow张量的维度变换
HNUYSY的博客
11-20 4069
在神经网络运算过程中，维度变换是最核心的张量操作，通过维度变换可以将数据任意地切换形式，满足不同场合的运算需求。 维度变换的一个例子： Y = X@W + b X 的 shape 为[2,4] W 的 shape 为[4,3] X@W的运算张量shape 为[2,3] 偏置b的张量为[3] 不同 shape 的 2 个张量怎么直接相加呢？ 需要将shape为[3]的偏置b按样本数量复制一份，变成...
〖TensorFlow2.0笔记6〗TensorFlow2.0中的维度变换！
AI新视界
04-11 3056
11
TensorFlow2-基础（五）：Tensor的维度变换【改变：reshape（view级别）、transpose（content级别）】【增加（expand_dims）、删除（squeeze）】
u013250861的博客
04-16 3311
tensorFlow维度变换可分为两个级别，一个是view级，一个是content级。 view级维度变换：不改变数据的存储关系，比如[3,28,28,3]变换维度为[3,784,3]之后，数据本身并没有改变，属于哪一行哪一列的元素还是可以确定，可以原模原样的恢复为[3,28,28,3]。 content级维度变换：会改变数据的存储关系。content有“目录”的意思，即索引关系，通过[3,28,28,3]这样的索引号能够找到一个元素。当content被改变时，意味着元素之间的索引关系变了。例如[3,28
tf.expand_dims-增加维度
buziran的专栏
02-12 1262
# 't' is a tensor of shape [2] 增加维度 shape(expand_dims(t, 0)) ==> [1, 2] shape(expand_dims(t, 1)) ==> [2, 1] shape(expand_dims(t, -1)) ==> [2, 1] # 't2' is a tensor of shape [2, 3,...
K-L变换特征提取：非周期信号的维度压缩方法
本资源主要探讨的是基于KL变换的特征提取方法，特别是针对维度压缩的问题。KL变换，全称Kullback-Leibler散度，是一种度量两个概率分布之间差异的信息论工具，常用于数据的降维和特征分析。在处理高维数据时，通过...
评论
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