tensorflow 高阶操作1（合并分割、数据统计、张量排序、填充复制、张量限幅、坐标操作）

最新推荐文章于 2024-04-25 05:02:50 发布
最新推荐文章于 2024-04-25 05:02:50 发布
阅读量856 收藏 1
点赞数
分类专栏： Python笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46955575/article/details/126269685
版权
本文详细介绍了TensorFlow中的高阶操作，包括张量的合并（tf.concat）、分割（tf.split）、堆叠（tf.stack）、拆分（tf.unstack），数据统计如范数、最小最大值、平均值，排序与top_k，填充（pad）和复制（tile），张量限幅（clip_by_value、clip_by_norm），以及坐标操作（where、scatter_nd、meshgrid）。这些操作在深度学习模型构建和数据处理中非常实用。
摘要由CSDN通过智能技术生成

目录

1.合并与分割

1.1 tf.concat 

 1.2 stack

 1.3 unstack

 1.4 split

 2.数据统计

2.1向量范数

 2.2 reduce_min/max/mean

 2.3 argmax/argmin  最大值最小值位置

 2.4 tf.equal  作比较

 2.5 tf.unique

3.张量排序

3.1 sort,argsort

3.2 top_k

 计算 top_k accuracy 实例

4填充与复制

4.1pad 指定每个维度左/上边补充多少，右/下边补充多少

 4.2 tile  占内存真实复制

 5.张量限幅

5.1 clip_by_value

 5.2 clip_by_norm

 5.3 gradient clipping

6.坐标操作

6.1 where（mask） 返回坐标

 6.2 where (cond,A,B)

 6.3  scatter_nd

6.4 meshgrid  画等高线图

1.合并与分割

tf.concat        tf.split        tf.stack        tf.unstack

1.1 tf.concat 

指定 拼接轴（从左到右 分别是 0，1，2....轴） 合并不会增加维度

要求 非拼接轴维度相同

 1.2 stack

会产生一个新的维度，axis=n  增加后，增加的该维度是n轴

要求:现有的每个轴的维度都相同

 1.3 unstack

指定轴进行拆分，完全打散，指定的拆分轴的维度是8 则拆成8个

 1.4 split

可以指定  打散后分均成几份 或者具体每份的维度

 2.数据统计

2.1向量范数

 tf.norm()  2范数

 tf.norm(b,ord=2,axis=1) 对b 求2范数  沿1轴方向（列）对每一行求

 2.2 reduce_min/max/mean

 2.3 argmax/argmin  最大值最小值位置

默认 axis=0

 2.4 tf.equal  作比较

累加  相同的数  准确度

找出  概率最大的索引作为类别  并计算整体准确率

 2.5 tf.unique

 tf.gather(unique,idx)

最低0.47元/天 解锁文章
TensorFlow-张量与排序
weixin_43075863的博客
12-24 974
1、扩张 每一纬度必须整数倍扩张 a = [[1,2,3]] a = tf.constant(a) x = tf.broadcast_to(a,[2, 6,3]) print(x) 2、创建Tensor 生成十行六列的Tensor tf.random.normal([10,6]) 3、
TensorFlow进阶二（张量的填充与复制、张量的数据限幅、张量的高阶操作）
需要远程指导仿真实验、代码有问题的，请后台私信或者关注公众号
04-25 1099
TensorFlow进阶二（张量的填充与复制、张量的数据限幅、张量的高阶操作）
TensorFlow：高级操作
南淮北安的博客
12-28 779
文章目录一、tf.gather二、tf.gather_nd三、tf.where四、scatter_nd五、meshgrid 一、tf.gather tf.gather 可以实现根据索引号收集数据的目的。 考虑班级成绩册的例子，共有4 个班级，每个班级35 个学生，8 门科目，保存成绩册的张量shape 为[4,35,8]。 x = tf.random.uniform([4,35,8],maxval...
学习TensorFlow，concat连接两个（或多个）通道
热门推荐
何雷
05-10 5万+
深度学习中，我们经常要使用的技术之一，连接连个通道作为下一个网络层的输入，那么在tensorflow怎么来实现呢？
Tensorflow学习笔记----合并分割、数据统计、张量排序
weixin_43580130的博客
08-13 497
一．合并与分割（MergeAndSplit） 这里的合并于分割是基于张量提出的，所以我们要先理解一下张量是什么意思： 张量：几何代数中的张量是基于向量和矩阵的推广，通俗一点理解，我们可以将标量视为零阶张量，矢量视为一阶张量，矩阵就是二阶张量。 也就是说，我们可以将张量理解为n维数组。在Tensorflow中，张量其实就是tensor。 0维张量/标量：标量是一个数字 1维张量/向量：1维张量称为“向量”。 2维张量：2维张量称为矩阵 3维张量：公用数据存储在张量，如：文本数据、彩色图片(RGB) 张量合并
tensorflow中的concat
qq_42327424的博客
03-31 2214
张量的维度 张量用符合的[]来表示 a = tf.constant([[[1,1],[2,2]],[[3,3],[4,4]]]) 举例说明，这里的[[[1,1],[2,2]],[[3,3],[4,4]]]最左边的连着的三个‘[‘就表示三维张量，最外边的’[‘表示0维度，也就是张量整体，第一维度是第二个’[’，对应[[1,1],[2,2]]，第二维度对应[1,1]，第三维度对应1。 concat的...
Tensorflow(4):合并与分割，数据统计，张量排序，填充与复制，张量限幅，数据加载，全连接，输出范围，误差计算
JJJJJJames的博客
01-27 335
tensorflow 高阶操作 1、合并与分割 tf.concat tf.split tf.stack tf.unstack tf.concat c=tf.concat([a,b],axis=0) #竖着拼 d=tf.concat([a,b],axis=1) #横着拼 axis=0，沿着列方向拼接 axis=1，沿着行方向拼接 合并后不会增加维度 stack, 会增加新的维度 axis指定新维度的位置 大维度放在前面更容易理解 dim mismatch concat,除了拼接的维度都要相等
TensorFlow进阶二（高阶操作）
最新发布
需要远程指导仿真实验、代码有问题的，请后台私信或者关注公众号
04-25 620
TensorFlow进阶二（高阶操作）
深度学习2.0-10.tensorflow的高阶操作之张量的限幅
柳杰的博客
10-08 191
文章目录1.张量的限幅1.tf.clip_by_value-根据值来裁剪2.tf.nn.relu-将矩阵中每行小于0的值置03.tf.clip_by_norm-根据范数裁剪4.tf.clip_by_global_norm-等比例裁剪 1.张量的限幅 1.tf.clip_by_value-根据值来裁剪 2.tf.nn.relu-将矩阵中每行小于0的值置0 3.tf.clip_by_norm-根据范数裁剪 4.tf.clip_by_global_norm-等比例裁剪 Gradient clipping-
Tensorflow tf.concat
Python学习记录
08-14 545
tf.concat(values, axis) concat沿着某一维度链接tensor, 需要理解tensor 的维度  t1 = [[[1, 1, 1],[2, 2, 2]],[[3, 3, 3],[4, 4, 4]]]  t2 = [[[5, 5, 5],[6, 6, 6]],[[7, 7, 7],[8, 8, 8]]]  第0维解释：  t1和t2的0维是两个tensor最外层的两个...
【TensorFlow2.0】张量合并&分割、数据统计、比较、填充与复制、数据限幅、高级操作
qq_36926037的博客
04-26 1909
一、合并与分割 1.1合并   合并是将多个张量在某个维度上合并为一个张量。合并的两种方式：拼接和堆叠。   张量的合并：   （1）拼接concat:语法：tf.concat(tensor_list,axis),tensor_list保存了所有要拼接的张量，是一个列表，axis参数指定需要合并的维度索引。拼接操作不会产生新的维度，仅在现有的维度上合并。 拼接操作的唯一约束是非拼接的维度长度必须...
笔记 - tensorflow用法：concat
chen_holy的博客
05-13 154
需求：把所有1拼接在一起，2，3同理 import tensorflow as tf x = tf.constant([[[[1,1,1]]], [[[2,2,2]]], [[[3,3,3]]]]) y = tf.constant([[[[1,1,1]]], [[[2,2,2]]], [[[3,3,3]]]]) a = [x, y] with tf.Session() as sess: ...
[TensorFlow系列-11]：TensorFlow基础 - 张量元素的排序
文火冰糖（王文兵）的博客
08-12 1万+
作者主页(文火冰糖的硅基工坊)：https://blog.csdn.net/HiWangWenBing 作者主页(文火冰糖的硅基工坊)：https://blog.csdn.net/HiWangWenBing 本文网址：https://blog.csdn.net/HiWangWenBing/article/details/119459192 第1章 Tensor运算概述 1.1 概述 PyTorch提供了大量的张量运算，基本上可以对标Numpy多维数组的运算，以支持对张量的各种复杂的运.
TensorFlow：合并与分割
南淮北安的博客
12-27 829
文章目录一、合并1. 拼接2. 堆叠二、分割 一、合并 合并是指将多个张量在某个维度上合并为一个张量。 以某学校班级成绩册数据为例，设张量A 保存了某学校1-4 号班级的成绩册，每个班级35 个学生，共8 门科目，则张量A的shape 为：[4,35,8]；同样的方式，张量B 保存了剩下的6 个班级的成绩册，shape 为[6,35,8]。通过合并2 个成绩册，便可得到学校所有班级的成绩册张量C，...
TensorFlow的tf.concat实例详细介绍
修炼之路
01-08 3727
tf.concat函数：函数功能比较简单，主要用于连接两个数组 参数： values：需要连接的数组 axis：从哪个维度来连接数组 例子： 一维数组 import tensorflow as tf if __name__ == "__main__": a = [1,2,3] b = [4,5,6] c = tf.concat([a,b],0) sess ...
TensorFlow——合并分割、排序、限值
johnny_love_1968的博客
06-11 483
文章目录TensorFlow合并与分割tf.concattf.splittf.stacktf.unstackTensorFlow-张量排序tf.sort()与tf.argsort()tf.math.top_kTensorFlow-填充与复制tf.pad（）tf.tileTensorFlow——张量限制值clip_by_valueclip_by_norm, clip_by_global_norm TensorFlow合并与分割 主要是4中方法，tf.concat, tf.split, tf.stack, t
(8)tensorflow合并与分割
小蜗Leon的博客
08-25 275
合并与分割 功能 代码函数 合并之拼接 tf.concat(tensors,axis) 合并之堆叠 tf.stack(tensors, axis) 分割 tf.split(x,num_or_size_split,axis) 合并 拼接 tf.concat(tensors,axis) 堆叠 分割
tensorflow基础入门-张量排序
神上
11-15 249
【代码】tensorflow基础入门-张量排序。
tensorflow tf.group
qq_20488317的博客
07-20 805
oup(*inputs, **kwargs) Create an op that groups multiple operations. When this op finishes, all ops in input have finished. This op has no output. See also tuple and with_dependencies. Args:
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值