介绍
以龙良曲老师的《深度学习与TensorFlow 2入门实战》为教材,记录一下我的学习笔记。
代码
运行结果
tf.pad
有一个1*3的向量,需要如下扩充成1*5的向量。
代码:
a=tf.reshape(tf.range(9),[3,3])
tf.pad(a,[0,1][1,1])
<tf.Tensor, shape=(5,4), dtype=int32, numpy=
array([
[0, 0, 1, 2, 0],
[0, 3, 4, 5, 0],
[0, 6, 7, 8, 0],
0, 0, 0, 0, 0]])>
应用:
- 语音识别——每个句子扩展成同样的长度。
- 图片识别——例如给图片上下左右加像素点:
a 保存4张图片,每张图片像素28*28,每个像素点包含RGB值:[4,28,28,3]
b=tf.pad(a,[[0,0],[2,2],[2,2],[0,0]])
b.shape
TensorShape([4,32,32,3])
tf.tile
a 是一个3*3的二维矩阵 [ 1 2 3 4 5 6 7 8 9 ] \begin{bmatrix} 1 & 2 &3 \\ 4& 5 & 6\\ 7& 8 & 9 \end{bmatrix} ⎣⎡147258369⎦⎤
tf.tile(a,[1,2])
<tf.Tensor, shape=(3, 6), dtype=int32, numpy=
array([
[1, 2, 3, 1, 2, 3],
[4, 5, 6, 4, 5, 6],
[7, 8, 9, 7, 8, 9]], dtype=int32)>
tf.tile(a,[2,1])
<tf.Tensor, shape=(3, 6), dtype=int32, numpy=
array([
[1, 2, 3],
[4, 5, 6],
[7, 8, 9],
[1, 2, 3],
[4, 5, 6],
[7, 8, 9]], dtype=int32)>
tf.broadcast_to
并不占用具体内存!
方法1:
tf.broadcast_to(a,[2,3,3])
方法2:
aa=tf.expand_dims(a,axis=0)
# TensorShape([1,3,3])
tf.tile(aa,[2,1,1])
这两个方法结果一样,但是tf.broadcast_to不占内存!
“+”相加符号可以直接调用tf.broadcast_to