昨天尝试了用reshape操作numpy矩阵,但是发现reshape对矩阵的操作并不能满足我的需求,今天继续尝试
我的目标是将一个5x4x3的tensor张量转换为4x15的张量和20x3的张量,具体转换效果如下图所示。
![v2-a7150ff3c6e6329f8e5457385c5a84a9_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/175ee03e64a172c3bd49684881f338fb.jpeg)
由于操作对象是一个tensor张量,所以不能用numpy库中的函数,必须使用tensorflow框架中提供的方法,因此下文将对几个tf函数进行尝试。
1.tensor张量的打印
由于tensorflow是张量流,它的逻辑是先搭建网络结构,网络结构搭建好后,开启一个session,此时才算是将网络结构实例化。
只有在网络实例化之后,才会将数据送入网络结构,这时才能查看网络结构中的数据。
举一个例子,我个人感觉tensorflow就是在修一个水管一样,首先给你一个入口(输入),一个出口(输出),利用不同形状的水管(不同的网络单元,比如cnn中的卷积层,池化层等)搭建出一个能够将入口和出口连通的线路(满足输