tensorflow 常用函数整理

记录自己使用过的tensorflow常用函数，以便以后查询

1 tf.reshape

tf.reshape(
    tensor,
    shape,
    name=None
)

将给定tensor的维度转换为shape。

arr = tf.Variable([[1,2], [3,4], [5,6]])
arr = tf.reshape(arr, [2, 3])
 [[1 2 3]
 [4 5 6]]

当缺失的维度为-1时，会根据给定的维度自动计算缺失的维度; 但是缺失的维度只能有一个。

arr = tf.reshape(arr, [3, -1])
[[1 2]
 [3 4]
 [5 6]]

2 tf.concat()

tf.concat(
    values,
    axis,
    name='concat'
)

将输入的张量数据沿着axis维度连接，如果输入数据的维度分别为(2,3), (2,3), axis=0时将第0维的2和2加起来，第1维的两个3不变，连接起来的tensor的shape为(4, 3), 同理axis=1时连接起来的shape为(2,6)。（python中维度的索引从0开始计算，正axis取值范围为[0, rank(values) ,这里也就是[0, 2)）

t1 = tf.Variable([[1, 2, 3], [4, 5, 6]])
t2 = tf.Variable([[7, 8, 9], [10, 11, 12]])
t3 = tf.concat([t1, t2], 0)
[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]
t4 = tf.concat([t1, t2], 1)
[[ 1  2  3  7  8  9]
 [ 4  5  6 10 11 12]]

在Python中，axis可以为负值，解释为从rank的末尾开始计数，即
axis + rank(values)

t5 = tf.concat([t1, t2], -1)
[[ 1  2  3  7  8  9]
 [ 4  5  6 10 11 12]]

3.tf.expand_dims

tf.expand_dims(
    input,
    axis=None,
    name=None,
    dim=None
)

这个操作可以用来给单个元素添加batch维度，例如，如果你有一张维度为[height, width, channels]的图片，可以用expand_dims(image, 0)使它成为batch为1的图片，shape将变为
[1, height, width, channels]。

t1 = tf.Variable([[1, 2, 3], [4, 5, 6]])
t_expand = tf.expand_dims(t1, 0)
[[[1 2 3]
  [4 5 6]]]
shape:(1, 2, 3)