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))