TensorFlow进阶一（张量的合并、张量的分割）

⚠申明： 未经许可，禁止以任何形式转载，若要引用，请标注链接地址。 全文共计6077字，阅读大概需要3分钟
🌈更多学习内容， 欢迎👏关注👀【文末】我的个人微信公众号：不懂开发的程序猿
个人网站：https://jerry-jy.co/

TensorFlow进阶一

一、任务需求

在介绍完张量的基本操作后，我们来进一步学习张量的进阶操作，如张量的合并与分割、范数统计、张量填充、张量限幅等，本节需要完成张量的合并（包括拼接和堆叠），张量的分割、向量范数、最值、均值、和，张量的比较等功能。

二、任务目标

1、掌握张量的合并

2、掌握张量的分割

3、掌握张量的最值、均值、和函数

4、掌握张量的比较

三、任务环境

1、python3.6

2、tensorflow2.4

3、jupyter

四、任务实施过程

(一)、张量的合并

1、合并是指将多个张量在某个维度上合并为一个张量。以某学校班级成绩册数据为例，设张量𝑨保存了某学校 1~4 号班级的成绩册，每个班级35个学
生，共 8 门科目成绩，则张量𝑨的shape为：[4,35,8]；同样的方式，张量𝑩保存了其它6个班级的成绩册，shape为[6,35,8]。通过合并这2份成绩册，
便可得到学校所有班级的成绩册，记为张量𝑪，shape 应为[10,35,8]，其中，10代表10个班级，35代表35个学生，8代表8门科目。这就是张量合并的意义所在。

import tensorflow as tf
a = tf.random.normal([4,35,8]) # 模拟成绩册 A
b = tf.random.normal([6,35,8]) # 模拟成绩册 B
tf.concat([a,b],axis=0) # 拼接合并成绩册

2、除了可以在班级维度上进行拼接合并，还可以在其他维度上拼接合并张量。考虑张量𝑨保存了所有班级的所有学生的前 4 门科目成绩，
shape 为[10,35,4]，张量𝑩保存了剩下的 4门科目成绩，shape 为[10,35,4]，则可以拼接合并 shape 为[10,35,8]的总成绩册张量。

a = tf.random.normal([10,35,4])
b = tf.random.normal([10,35,4])
tf.concat([a,b],axis=2) # 在科目维度上拼接

3、堆叠方式合并这 2 个班级成绩册，班级维度插入在 axis=0 位置

a = tf.random.normal([35,8])
b = tf.random.normal([35,8])
tf.stack([a,b],axis=0) # 堆叠合并为 2 个班级，班级维度插入在最前

4、同样可以选择在其他位置插入新维度，例如，最末尾插入班级维度

a = tf.random.normal([35,8])
b = tf.random.normal([35,8])
tf.stack([a,b],axis=-1) # 在末尾插入班级维度

5、此时班级的维度在 axis=2 轴上面，理解时也需要按着最新的维度顺序代表的视图去理解数据。若选择使用 tf.concat 拼接合并上述成绩单，则可以合并为：

a = tf.random.normal([35,8])
b = tf.random.normal([35,8])
tf.concat([a,b],axis=0) # 拼接方式合并，没有 2 个班级的概念

(二)、张量的分割

6、合并操作的逆过程就是分割，现在我们将总成绩册张量切割为 10 份

x = tf.random.normal([10,35,8])
# 等长切割为 10 份
result = tf.split(x, num_or_size_splits=10, axis=0)
len(result) # 返回的列表为 10 个张量的列表

10

7、可以查看切割后的某个张量的形状，它应是某个班级的所有成绩册数据，shape 为[35,8]

result[0]

<tf.Tensor: shape=(1, 35, 8), dtype=float32, numpy=
array([[[-0.71089584, -0.59059477,