[TensorFlow 2] 数据的填充与复制

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 $\left[\begin{array}{ccc}1& 2& 3\\ 4& 5& 6\\ 7& 8& 9\end{array}\right]$

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