Tensorflow2.0笔记 - tensor的padding和tile

        本笔记记录tensor的填充和tile操作,对应tf.pad和tf.tile

import tensorflow as tf
import numpy as np

tf.__version__

#pad做填充
# tf.pad( tensor,paddings, mode='CONSTANT',name=None)
#1维tensor填充
tensor = tf.random.uniform([5], maxval=10, dtype=tf.int32)
print(tensor)
#参数paddings最外层方括号必须加,对于1维tensor,只有一个维度
#因此最外层方括号里面只有一个内层[A,B]
#左边填充1列,右边填充2列的话,A=1,B=2
print("=====tf.pad(tensor, [[1,2]])\n", tf.pad(tensor, [[1,2]]))

#2维tensor填充
tensor = tf.random.uniform([2,2], maxval=10, dtype=tf.int32)
print(tensor)
#上下填充一行,左右填充一列
print("=====tf.pad(tensor, [[1,1],[1,1]]):\n", tf.pad(tensor, [[1,1], [1,1]]))
#上面不填充,下面填充两行,左边填充两列,右边填充一列
print("=====tf.pad(tensor, [[0,2],[2,1]]):\n", tf.pad(tensor, [[0,2], [2,1]]))

#padding实际案例,图片数据padding
#假设下面的tensor表示2张5*5*3的图像数据
tensor = tf.random.uniform([2,5,5,3], maxval=256, dtype=tf.int32)
#在图像的上下填充两行,左右填充两列数据
print("=====tf.pad(tensor, [[0,0],[2,2],[2,2],[0,0]]).shape:\n", tf.pad(tensor, [[0,0],[2,2],[2,2],[0,0]]).shape)


#tile复制数据
#tile(input,     #输入
#     multiples,  #同一维度上复制的次数
#     name=None
#)
#https://blog.csdn.net/xwd18280820053/article/details/72867818
tensor = tf.random.uniform([3,3], maxval=10, dtype=tf.int32)
print(tensor)
#tile的multiples参数表示在对应维度上复制的次数,为1表示不复制,为2表示复制两次,以此类推
#对第一个维度进行复制
print("=====tf.tile(tensor, [2,1]):\n", tf.tile(tensor, [2,1]))
#第一个维度和第二个维度都进行复制,复制的顺序是先从小维度开始(对于2维tensor为列),然后复制大维度
print("=====tf.tile(tensor, [2,2]):\n", tf.tile(tensor, [2,2]))



#多维tensor tile
tensor = tf.random.uniform([2,3,4], maxval=10, dtype=tf.int32)
print(tensor)

#对第一个维度进行复制,第一个维度包含了2x3x4的矩阵,因此相当于添加了2x3x4的数据
print("=====tf.tile(tensor, [2,1,1]):\n", tf.tile(tensor, [2,1,1]))
#对第二个维度进行复制,第二个维度包含了3行4列的元素,因此是把原来大维度上的每个元素(3x4)扩展成6x4
print("=====tf.tile(tensor, [1,2,1]):\n", tf.tile(tensor, [1,2,1]))
#对第三个维度进行复制,第三个维度包含的是1行4列的行向量,因此每行的元素会复制成1x8
print("=====tf.tile(tensor, [1,1,2]):\n", tf.tile(tensor, [1,1,2]))

        运行结果:

        

  • 3
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
好的,TensorFlow2.0是一个非常强大的深度学习框架,它提供了许多基本API,下面是一个简单的教程,介绍如何使用TensorFlow2.0中的基本API: 1. 安装TensorFlow2.0 首先,您需要安装TensorFlow2.0。您可以使用pip install tensorflow命令进行安装。如果您已经安装了旧版本的TensorFlow,可以使用pip install --upgrade tensorflow命令进行升级。 2. 导入TensorFlow2.0 在您的Python代码中,您需要导入TensorFlow2.0。您可以使用以下命令导入: ``` import tensorflow as tf ``` 3. 定义张量 张量是TensorFlow中的基本数据类型。您可以将它们视为多维数组。您可以使用以下命令定义一个张量: ``` #定义一个2x3的张量 tensor = tf.constant([[1, 2, 3], [4, 5, 6]]) ``` 4. 运行计算图 在TensorFlow中,您需要构建一个计算图并运行它。您可以使用以下命令运行计算图: ``` #运行计算图 with tf.Session() as sess: result = sess.run(tensor) ``` 5. 定义变量 变量是在计算图中可以改变值的节点。您可以使用以下命令定义一个变量: ``` #定义一个变量 variable = tf.Variable(0, name='counter') ``` 6. 定义占位符 占位符是在运行计算图时可以传递值的节点。您可以使用以下命令定义一个占位符: ``` #定义一个占位符 placeholder = tf.placeholder(tf.float32, shape=[None, 10]) ``` 7. 定义操作 操作是计算图中的节点,它们执行各种数学运算。您可以使用以下命令定义一个操作: ``` #定义一个操作 operation = tf.add(1, 2) ``` 8. 计算梯度 在TensorFlow中,您可以使用自动微分来计算梯度。您可以使用以下命令计算梯度: ``` #计算梯度 x = tf.Variable(3.0) with tf.GradientTape() as tape: y = x**2 grad = tape.gradient(y, x) ``` 以上是TensorFlow2.0基本API的简单介绍。希望对您有所帮助!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

亦枫Leonlew

希望这篇文章能帮到你

¥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
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