2021_3_6_log_tensorflow

tf.shape

得到矩阵的形状信息并输出为一个矩阵。即用一个矩阵表示张量的维度信息（形状）

tf.shape(
    input,
    name=None,
    out_type=tf.int32
)

例如：

import tensorflow as tf
array1 = [[1,2,3,4],[5,6,7,8],[9,10,11,12],[0,0,0,0]]
shape=tf.shape(array1)

with tf.Session() as sess:
    print(sess.run(shape))

输出如下：

[4 4]

tf.range

创建一个数字序列

tf.range(
    start, 
    limit, 
    delta=1, 
    dtype=None, 
    name='range')

参数：start：序列下限，start默认值为0。

limit：序列上限。

delta等差序列的公差，默认值为1

import tensorflow as tf
#range
array3 = [1,2,3,4]
range1=tf.range(array3[1])
range2=tf.range(array3[2])
range3=tf.range(array3[3])
range4=tf.range(15)
with tf.Session() as sess:
    print(sess.run(range1))
    print(sess.run(range2))
    print(sess.run(range3))
    print(sess.run(range4))

输出:range(array3[1])表示以数组array3的第二个元素，即2作为上限，生成数字序列[0 1]。

range(array3[3])表示以数组array3的第四个元素，即4作为上限，生成数字序列[0 1 2 3]。

可以发现，生成的数字序列的最后一个值是不达到上限的。

[0 1]
[0 1 2]
[0 1 2 3]
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14]

tf.expand_dims

用于给张量增加维度。

tf.expand_dims(
    input,
    axis=None,
    name=None,
    dim=None
)

他所实现的功能是给定一个input，在axis轴处给input增加一个为1的维度。
例如：

import tensorflow as tf
#这是一个2*4的矩阵
array4 = [[1,2,3,4],[5,6,7,8]]
#在矩阵的第0，第1，第2个维度上增加1维
expand_darray1=tf.expand_dims(array4, 0)
expand_darray2=tf.expand_dims(array4, 1)
expand_darray3=tf.expand_dims(array4, 2)
#得到他们的形状
expand_darray1_shape=tf.shape(tf.expand_dims(array4, 0))
expand_darray2_shape=tf.shape(tf.expand_dims(array4, 1))
expand_darray3_shape=tf.shape(tf.expand_dims(array4, 2))
with tf.Session() as sess:
    print(sess.run(expand_darray1))
    print(sess.run(expand_darray1_shape))
    print(sess.run(expand_darray2))
    print(sess.run(expand_darray2_shape))
    print(sess.run(expand_darray3))
    print(sess.run(expand_darray3_shape))

输出如下：

# 在第0维增加一个维度，就变成如下：
[[[1 2 3 4]
  [5 6 7 8]]]
# 此时它的shape从[2 4]=>[1 2 4]为：
[1 2 4]

##

# 在第1维增加一个维度，就变成如下：
[[[1 2 3 4]]

 [[5 6 7 8]]]
# 此时它的shape从[2 4]=>[2 1 4]为：
[2 1 4]

##

# 在第2维增加一个维度，就变成如下：
[[[1]
  [2]
  [3]
  [4]]

 [[5]
  [6]
  [7]
  [8]]]
# 此时它的shape从[2 4]=>[2 4 1]为：
[2 4 1]

tf.tile()

tile(
    input,     #输入
    multiples,  #同一维度上复制的次数
    name=None
)

例如：

import tensorflow as tf

array5 = [[0,1,2,3]]
array5_shape = tf.shape(array5)
# 对第一维度进行扩展5倍，对第二维度扩展1倍(保持原来的样子)
array5_tile1=tf.tile(array5,[5, 1])
# 对第一维度进行扩展5倍，对第二维度扩展2倍
array5_tile2=tf.tile(array5,[5, 2])
with tf.Session() as sess:
    print(sess.run(array5_shape))
    print(sess.run(array5_tile1))
    print(sess.run(array5_tile2))

输出如下

# 原来的形状
[1 4]
# 在第一维扩展5倍，第二维度不变
[[0 1 2 3]
 [0 1 2 3]
 [0 1 2 3]
 [0 1 2 3]
 [0 1 2 3]]
# 在第一维扩展5倍，第二维度扩展2倍
[[0 1 2 3 0 1 2 3]
 [0 1 2 3 0 1 2 3]
 [0 1 2 3 0 1 2 3]
 [0 1 2 3 0 1 2 3]
 [0 1 2 3 0 1 2 3]]