文章目录
import keras.backend as K
1.维度操作
K.permute_dimensions()
K.permute_dimensions(x, pattern)
重新排列张量的轴。
- x: 张量或变量。
- pattern: 维度索引的元组,例如 (0, 2, 1)。
K.reshape()
K.reshape(x, shape)
将张量重塑为指定的尺寸。
- x: 张量或变量。
- shape: 目标尺寸元组。
K.expand_dims()
K.expand_dims
在索引 axis 轴,添加 1 个尺寸的维度。
- x: 张量或变量。
- axis: 需要添加新的轴的位置。
K.squeeze()
K.squeeze(x, axis)
在索引 axis 轴,移除 1 个尺寸的维度。
- x: 张量或变量。
- axis: 需要丢弃的轴。
2.tensor初始化
K.variable()
K.variable(value, dtype=None, name=None, constraint=None)
K.ones()
K.one(2)
生成主对角为1的tensor
- size: Tuple 包含行和列
K.arange()
K.arange(start, end)
生成一个1D的tensor,tensor默认的类型为int32
- start:开始值,start默认0
- end:结束值,当只传入一个值则为end
- 一个小技巧生成一个2D的tensor
K.arange(10)[None]
生成2Dtensorarray([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])
示例
pid = K.arange(20) # (20, )
print(K.int_shape(pid))
pid = K.expand_dims(pid, 0) # (1,20)
print(K.int_shape(pid))
(20,)
(1, 20)
3.tensor操作
K.tile()
K.tile(x, n)
根据n扩充x
- x: tesor
- n: list,n的长度与x的维度数相同
pid = K.tile(K.eye(2), [2, 3])
[[1. 0. 1. 0. 1. 0.]
[0. 1. 0. 1. 0. 1.]
[1. 0. 1. 0. 1. 0.]
[0. 1. 0. 1. 0. 1.]]
K.gather()
K.gather(reference, indices)
- 将indices中的索引替换为reference的向量,所以返回的结果相比于indices会增加一个维度
- K.gather()调用
tf.nn.embedding_lookup(reference, indices)
示例:
emb = K.variable([[1,1,1],[2,2,2],[3,3,3],[4,4,4]])
indices = K.arange(3)[None]
K.eval(K.gather(emb, indices))
array([[[1., 1., 1.],
[2., 2., 2.],
[3., 3., 3.]]], dtype=float32)
K.round()
参数:输入一个tensor
K.round()调用tf.round(),tf.round()并不是四舍五入,而是"四舍六入五取偶"
x = tf.constant([0.9, 2.5, 2.3, 1.5, -4.5, -5.5, 1.6, 3.5])
with tf.Session() as sess:
print(sess.run(tf.round(x)))
[ 1. 2. 2. 2. -4. -6. 2. 4.]