tensorflow2.x学习笔记三：Tensor(张量)的定义、切片

最新推荐文章于 2024-02-10 22:55:31 发布
最新推荐文章于 2024-02-10 22:55:31 发布
阅读量2k 收藏 1
点赞数 2
分类专栏： # TensorFlow2.x学习笔记 文章标签： 深度学习 tensorflow
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_39507748/article/details/105554738
版权
本文介绍了TensorFlow2.x中张量的创建和切片操作，包括类似numpy的索引切片、不规则切片、布尔索引，以及如何通过修改元素创建新张量的方法，如`tf.tensor_scatter_nd_add`和`tf.tensor_scatter_nd_update`。此外，还提及了`tf.gather`和`tf.scatter_nd`在处理张量元素选择和插入中的应用。
摘要由CSDN通过智能技术生成
一、创建张量

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

二 ，索引切片

  • 张量的索引切片方式和numpy几乎是一样的。切片时支持缺省参数和省略号。

  • 对于tf.Variable,可以通过索引和切片对部分元素进行修改。

  • 对于提取张量的连续子区域，也可以使用tf.slice.

  • 此外，对于不规则的切片提取,可以使用tf.gather,tf.gather_nd,tf.boolean_mask。

  • tf.boolean_mask功能最为强大，它可以实现tf.gather,

了解本专栏 订阅专栏 解锁全文 超级会员免费看
耐心的小黑
关注
专栏目录
订阅专栏
TensorFlow: 1.x将长时间保持主流
luv_dusk 的博客
01-11 907
Tensorflow 2.0版本虽然推出已有些时日了，前两天 2.1 版本也已经放出来了，但笔者基于一些猜想，一直兴趣乏匮。今天读了读官方说明书，又在一些网站看了看先锋人士的使用体会，果不其然。最终得出结论：**熟悉 TF1.x 的开发者们暂时没有必要切换到 2.x 版本**。具体地，我分为以下几个方面来讨论。
张量学习（10）：纤维，切片，张量展开
keith的博客
11-23 6901
1.纤维（fiber） 纤维是指从张量中抽取向量的操作。在矩阵中固定其中一个维度，可以得到行或者列。类似于矩阵操作，保留一个维度变化，固定其它维度，可以得到有纤维的概念。 以三阶张量为例： 1>固定j,kj,kj,k方向 mode−1mode-1mode−1(列) 纤维：X:jkX_{:jk}X:jk​ 相当于将iii方向上的每个小方块串起来，形成一个整条（即为一个向量） 2>固定i,ki,ki,k方向 mode−2mode-2mode−2(行) 纤维：Xi:kX_{i:k}Xi:k​
TensorFlow基础知识2-张量
hongxue8888的博客
08-01 984
张量是什么？张量是TensorFlow管理数据的形式。在TensorFlow程序中，所有数据都是通过张量的形式来表示的。张量是TensorFlow中运算结果的引用，在张量中并没有真正保存数字，它保存的是如何得到这些数字的计算过程。 如下代码不会得到加法的结果，而是得到对结果的一个引用。import tensorflow as tf a = tf.constant([1.0, 2.0], name=
Tensor的切片
huihuixiaoxue的博客
01-05 2901
chunk split 注意 chunk第二个参数表示 分成几块；split第二个参数表示 分成多大的块。 chunk分块时，每块的平均数会向上取整，如本例：4/3向上取整，每个0维度上，分2个元素，所以才会出现传参数3，要求分成3块，最后却只分成2块。 ...
【PyTorch】PyTorch中张量(Tensor)切片操作
最新发布
goldfisheye的博客
02-10 3205
上文介绍了PyTorch中改变张量(Tensor)形状的操作，本文主要介绍张量切片操作。
tensorflow2之切片
allen的博客
05-18 289
tf.gather：按axis和indices获取索引对应的tensor a = tf.Variable([[1,2,3,4,5], [6,7,8,9,10], [11,12,13,14,15]]) idx_a = tf.Variable([0, 2]) tf.gather(a, idx_a) # 返回： [[1,2,3,4,5], [11,12,13,14,15]] tf.gather(a, idx_a, axis=1) # 返回： [[1,3], [6,8], [11,13]] tf.ga.
Tensorflow学习笔记（三）上–Tensorflow基础API使用
01-20
在本篇TensorFlow学习笔记中，我们将探讨TensorFlow的基础API，这些API提供了更灵活的模型定义和使用方式。首先，我们需要导入必要的库，包括matplotlib、numpy、pandas、sklearn、os、sys、time和TensorFlow。接...
pytorch学习笔记一：张量的操作与线性回归
Dear_learner的博客
01-24 1959
目录一、张量的简介1、张量的基本概念2、张量的属性二、张量的创建1、直接创建2、依数值创建3、依概率创建三、张量的操作1、张量的拼接2、张量的切分3、张量的索引4、张量变换5、算术运算6、高级操作四、线性回归模型 一、张量的简介 1、张量的基本概念 张量是一个【多维数组】，它是一个标量、向量、矩阵的高维拓展。 2、张量的属性 在 PyTorch 0.4.0 之前，torch.autograd 包中存在 Variable 这种数据类型，主要是用于封装 Tensor，进行自动求导。Variable 主要包含下
pytorch张量索引切片等学习笔记
09-09
三、张量切片 1. 连续切片：通过指定开始和结束索引来获取连续的元素序列，如`tensor[start:end]`。 2. 不连续切片（步长）：可以使用步长参数来跳过某些元素，如`tensor[start:end:step]`。 3. 随机访问切片：...
TensorFlow学习笔记（3）— 张量切片、变形以及图像和视频中的张量
weixin_45718019的博客
08-15 1356
1.本文内容 主要介绍张量的切片和变形，以及视频和图像中的张量表示方式。 2.切片和变形 2.1切片 张量切片：选择张量的特定元素叫做张量切片。 假设你有1000张图片，均为28*28的灰度图像： >>>A= image[10:99,0:28,0:28]=image[10:99]=image[10:99,:,:] (90,28,28) 本代码中，等号代表三种写法相同，10：99代表选择地11张至第100张图片，选择每一张图片的0至28行，和0至28列。“：”代表选择张量中的整个轴。 2
tensor 切片操作（用tensor去切片）
weixin_50764885的博客
12-14 1724
tensor 切片操作（用tensor去切片）
Tensor的张量切片
guhuoone的博客
10-19 549
tensor的切片问题！！！
[TensorFlow系列-17]：TensorFlow基础 - 张量的索引与切片
热门推荐
文火冰糖（王文兵）的博客
08-13 1万+
作者主页(文火冰糖的硅基工坊)：https://blog.csdn.net/HiWangWenBing 本文网址： 第1章 张量的索引与切片 1.1 张量的维度方向 1.2 张量元素的访问：下标 张量元素的标识a[Idx-x][Idx-y][Idx-z] 其中Idx-x，Idx-y，Idx-z就是张量在不同维度方向的位置下标，代表了张量元素在整个张量空间中的位置。 1.3. 张量元素的下标切片 上述访问张量的方式称为下标访问，每次只能获取张量空间中的一个点。 如何访问..
Tensorflow2.x：tensor切片
Marlowe的博客
11-27 2274
目录目标提取张量切片一维张量高维张量tf.strided_slice ：通过设定步长来提取张量切片tf.gather ：从张量的单个轴中提取特定索引tf.gather_nd ：从张量的多个轴中提取切片在张量中插入数据tf.scatter_nd ：在张量的特定索引处插入数据，插入的张量初始为0tf.gather_nd 在索引外插入数据tf.tensor_scatter_nd_add/sub 修改tensor中的数据tf.tensor_scatter_nd_min 将元素最小值从一个张量复制到另一个张量tf.t
【PyTorch】PyTorch之Tensors索引切片篇
weixin_44984705的博客
01-18 1855
介绍常用的PyTorch之Tensors索引切片等。
张量的索引切片
weixin_44039183的博客
01-18 1212
张量的索引切片 张量的索引切片方式和numpy几乎是一样的。切片时支持缺省参数和省略号。可以通过索引和切片对部分元素进行修改。类似于数组的切片，但是又稍微有些不同： 例如：a=torch.rand(4,3,28,28):dim=4的张量数据a (1)a[:2]:取第一个维度的前2个维度数据(不包括2)； (2)a[:2,:1,:,:]：取第一个维度的前两个数据，取第二个维度的第一个数据，后两个维度全都取到； (3)a[:2,1:,:,:]：取第一个维度的前两个数据，取第二个维度的索引1到最后索引的数据(包含
pytorch张量数据索引切片与维度变换操作大全
Lily的博客
04-25 1977
(1-1)pytorch张量数据的索引与切片操作1、对于张量数据的索引操作主要有以下几种方式：a=torch.rand(4,3,28,28):DIM=4的张量数据a(1)a[:2]:...
tensor的索引和切片
鼠人的博客
08-07 1994
tensor的索引方法 直接按照idx索引：即根据下标索引对应元素 基于numpy风格的索引：用逗号隔开的方式来代替一个一个[ ] tensor的切片方法
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

打赏作者

耐心的小黑

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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