tensorflow--张量的相关变换

张量的相关变换，这里介绍三种常用的变换：

-----数据类型的变换            tf.cast() ：支持各种张量数据类型的转换

-----维度的变换                   tf.reshape()：支持张量进行各种不同维度的变换

-----数据顺序的变换            tf.reverse()：支持数据的顺序翻转变换

 

一，数据类型的转换

创建一个常量型的tensor，类型是float32，通过cast函数转换成int32的类型。

tf.cast(x, dtype, name=None)

• x：输入
• dtype：转换目标类型
• name：名称

#利用cast函数转换数据类型
def data_type_demo():
    c1 = tf.constant([0,1,2,3,4,5,6,7,8,9],dtype=tf.float32,name="c1")
    sess = tf.Session()
    print(sess.run(c1))
    c2 = tf.cast(c1,dtype=tf.int32)
    print(sess.run(c2))
    sess.close()

二，维度的转换

tf.reshape(tensor, shape, name=None) 

程序中reshap的第二个参数[-1]:表示无论多少维度，一律转换成一维的数据。

# 利用reshape函数改变数据的维度
def reshape_demo():
    # 低维转换成高维
    r1 = tf.random_uniform(shape=[90000],minval=0.0,maxval=255.0,dtype=tf.float32,name="r1")
    r2 = tf.reshape(r1,[300,300],name="r2")
    r3 = tf.cast(r2,dtype=tf.uint8)
    sess = tf.Session()
    cv.imshow("300 *300",sess.run(r3))


#     高维转换成一维
    r4 = tf.random_normal(shape=[256,256],mean=50,stddev=20,dtype=tf.float32,name="r4")
    r5 = tf.reshape(r4,[-1])
    print(sess.run(r5))

三，数据的顺序变换

reverse(
    tensor,
    axis,
    name=None
)

axis：表示在哪个维度上进行翻转。比如程序中，定义的是一个2维数据，所以，[0]表示在行上进行变换，[1]表示在列进行变换。

[0][1]:表示现在行上变换，再在列上变换，具体的看结果图。 

# 利用reverse翻转数据
def reverse_demo():
    v1 = tf.constant([[1,2,3],[3,4,5],[7,8,9]],dtype=tf.float32,name="v1")
    v2 = tf.reverse(v1,[0])
    v3 = tf.reverse(v1,[1])
    v4 = tf.reverse(v1,[0,1])
    sess = tf.Session()
    print("v1")
    print(sess.run(v1))
    # 按照行变换
    print("v2'")
    print(sess.run(v2))
    # 按照列翻转
    print("v3")
    print(sess.run(v3))
    # 先按照行翻转，在按照列翻转
    print("v4")
    print(sess.run(v4))