看本文之前,建议先学习张量的基础知识,如创建张量,张量的典型应用。索引和切片,简单的维度变换等。我们来进行下一步的学习,张量的合并与分割。当然TensorFlow的知识不止这一点,但由于相关的知识有些冗杂,范数统计,张量的比较,张量的填充和限幅就放在下几篇文章里来写。
1合并与分割
1.1合并
合并是指将多个张量在某个维度上合并为一个张量。我们分别设置我们的张量A,B。
a = tf.random.normal([5,20,8])
b = tf.random.normal([7,20,8])
这样可能有点难以理解,那我们把张量生活化,赋予它实际的意义。
张量A保存了某销售公司1-5号部门的销售业绩报告,每个部门共20名职工,共有8个业绩指标,则为张量A的shape为:[5,20,8]。
同理,张量B保存了某销售公司另外7个部门的销售业绩报告,每个部门共20名职工,共有8个业绩指标,则张量B的shape[7,20,8]。
通过合并这两份销售业绩报告,便可以得到此销售公司所有部门的销售业绩报告,记为张量C,shape即为[12,20,8],这样,张量C也变得容易理解,其中,