TF:函数

1.tf.equal(a, b)和tf.less_equal(a, b):a、b是tensor(或一个数),如果a的对应位置小于(等于)b的对应位置,则返回的tensor的对应位置为True。

import tensorflow as tf 
import numpy as np 

a=np.array([[1,0,4],[0,1,1]]) 
b=np.array([[3,2,3],[4,5,6]]) 
c=tf.less_equal(a,b)
sess=tf.Session() 
print(sess.run(c))

输出
[[ True  True False]
 [ True  True  True]]

2.tf.where(a):输出a中值为True的坐标。

上面1代码的最后一行加上
print(sess.run(tf.where(c)))

输出
[[0 0]
 [0 1]
 [1 0]
 [1 1]
 [1 2]]

3.tf.squeeze和tf.expand_dims是一对互逆操作,用于增加、降低维度。

import tensorflow as tf 
import numpy as np 

a=np.array([[1,0,4],[0,1,1]])#(2,3)
ra=tf.squeeze(a)#(2,3)

b=np.array([[1],[0],[4]])#(3, 1)
rb=tf.squeeze(b,1)#(3,)

sess=tf.Session() 
print(sess.run(ra))
print "---"
print(sess.run(rb))

输出
[[1 0 4]
 [0 1 1]]
---
[1 0 4]

4.tf.gather:用指定坐标的元素组成新tensor

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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