TensorFlow学习笔记（3）— 张量切片、变形以及图像和视频中的张量

1.本文内容

主要介绍张量的切片和变形，以及视频和图像中的张量表示方式。

2.切片和变形

2.1切片

张量切片：选择张量的特定元素叫做张量切片。
假设你有1000张图片，均为28*28的灰度图像：

>>>A= image[10:99,0:28,0:28]=image[10:99]=image[10:99,:,:]
(90,28,28)

本代码中，等号代表三种写法相同，10：99代表选择地11张至第100张图片，选择每一张图片的0至28行，和0至28列。“：”代表选择张量中的整个轴。

2.2变形

张量变形：张量变形是指改变张量的行和列，以得到想要的形状。变形后的张量的元素总个数与初始张量相同。

x= np.array([[0., 1.],
             [2., 3.],
             [4., 5.]])
>>> print(x.shape)
(3, 2)
>>> x = x.reshape((6, 1))
>>> x
array([[ 0.],
       [ 1.],
       [ 2.],
       [ 3.],
       [ 4.],
       [ 5.]])
>>> x = x.reshape((2, 3))
>>> x
array([[ 0., 1., 2.],
[ 3., 4., 5.]])

经常遇到的一种特殊的张量变形是转置（transposition）。对矩阵做转置是指将行和列互换

>>> x = np.zeros((300, 20))
>>> x = np.transpose(x)
>>> print(x.shape)
(20, 300)

2.图像数据

图像通常具有三个维度：高度、宽度和颜色深度。虽然灰度图像（比如MNIST 数字图像）只有一个颜色通道，因此可以保存在2D张量中，但按照惯例，图像张量始终都是3D张量，灰度图像的彩色通道只有一维。因此，如果图像大小为256×256，那么128张灰度图像组成的批量可以保存在一个形状为(128, 256, 256, 1)的张量中，而128张彩色图像组成的批量则可以保存在一个形状为（128，256，256，3）的张量中。
图像张量的形状有两种形式：通道在后（channels-last）的形式（在TensorFlow 中使用）和通道在前（channels-first）的形式（在Theano 中使用）。Google的TensorFlow 机器学习框架将颜色深度轴放在最后：(samples, height, width, color_depth)。与此相反，Theano将图像深度轴放在批量轴之后：(samples, color_depth, height, width)。如果采用Theano 约定，前面的两个例子将变(128, 1, 256, 256) 和(128, 3, 256, 256)，Keras 框架同时支持这两种格式。

3.视频数据

视频数据是现实生活中需要用到5D 张量的少数数据类型之一。视频可以看作一系列帧，每一帧都是一张彩色图像。由于每一帧都可以保存在一个形状为(height,width,color_depth)的3D张量中，因此一系列帧可以保存在一个形状为(frames,height,width,color_depth)的4D张量中，而不同视频组成的批量则可以保存一个5D 张量中，其形状为(samples,frames,height,width,color_depth)。举个例子，一个以每秒4帧采样的60秒YouTube视频片段，视频尺寸为144×256这个视频共有240帧。4个这样的视频片段组成的批量将保存在形状为(4,240, 144,256,3)的张量中。总共有106168320个值！如果张量的数据类型（dtype是float32，每个值都是32位，那么这个张量共有405MB。