Tensorflow学习笔记（六）——数据操作常用函数总结

参考资料：https://segmentfault.com/a/1190000008793389
     https://www.jianshu.com/p/ad88a0afa98f

---

#Tensorflow数据操作常用函数总结
##一、张量变换
###1.1 数据抽取

• tf.slice(input_, begin, size, name=None)：按照指定的下标范围抽取连续区域的子集
• tf.gather(params, indices, validate_indices=None, name=None)：按照指定的下标集合从axis=0中抽取子集，适合抽取不连续区域的子集

input = [[[1, 1, 1], [2, 2, 2]],
         [[3, 3, 3], [4, 4, 4]],
         [[5, 5, 5], [6, 6, 6]]]
tf.slice(input, [1, 0, 0], [1, 1, 3]) ==> [[[3, 3, 3]]]
tf.slice(input, [1, 0, 0], [1, 2, 3]) ==> [[[3, 3, 3],
                                            [4, 4, 4]]]
tf.slice(input, [1, 0, 0], [2, 1, 3]) ==> [[[3, 3, 3]],
                                           [[5, 5, 5]]]
                                           
tf.gather(input, [0, 2]) ==> [[[1, 1, 1], [2, 2, 2]],
                              [[5, 5, 5], [6, 6, 6]]]

• tf.nn.embedding_lookup(params, ids, partition_strategy='mod', name=None, validate_indices=True, max_norm=None)选取一个张量里面索引对应的元素

input =np.array( [[1, 1, 1], [2, 2, 2], [3, 3, 3], [4, 4, 4]])
idx1 = tf.Variable([0, 2, 3], tf.int32)
idx2 = tf.Variable([[0, 2, 3], [3, 0, 2]], tf.int32)
out1 = tf.nn.embedding_lookup(input, idx1) ==> [[ 1  1  1], [ 3  3  3], [ 4  4  4]]
out2 = tf.nn.embedding_lookup(input, idx2) ==> [[[ 1  1  1], [ 3  3  3], [ 4  4  4]],	  
												[[ 4  4  4], [ 1  1  1], [ 3  3  3]]]

###1.2 形状变化

• tf.reshape(tensor, shape, name=None) 转换成新的 shape，若有一个维度设置为-1，会自动推导。
  ###1.3 张量扩张
• tf.title(input,multiples,name=None) 将tensor在指定维度进行复制。

a = [1,2,3,4]
b = tf.reshape(a, [4,1])
c = tf.tile(b, [1,3]) ==>[[1,2,3,4],[1,2,3,4],[1,2,3,4]]

---