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]]