Tensorflow之高阶操作

1.Where

import os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'#过滤爆红的信息

import tensorflow as tf
a = tf.random.normal([3,3])
mask=a>0
print(mask)#得到bool
b=tf.boolean_mask(a,mask)
print(b)#将bool编译
indice=tf.where(mask)#得到坐标
print(tf.gather_nd(a,indice))
A=tf.ones([3,3])
B=tf.zeros([3,3])
print(tf.where(mask,A,B))

输出：

tf.Tensor(
[[False False  True]
 [False  True False]
 [False  True False]], shape=(3, 3), dtype=bool)
tf.Tensor([0.70666766 1.02855    1.7654202 ], shape=(3,), dtype=float32)
tf.Tensor([0.70666766 1.02855    1.7654202 ], shape=(3,), dtype=float32)
tf.Tensor(
[[0. 0. 1.]
 [0. 1. 0.]
 [0. 1. 0.]], shape=(3, 3), dtype=float32)

2.改变某位置数值scatter_nd：

#改变位置数值
indice = tf.constant([[5],[0],[1],[3]])
updates = tf.constant([9,18,12,0])
shape = tf.constant([8])#8个0
print(tf.scatter_nd(indice,updates,shape))#先位置，再更新的数字，再加上越来的shape

输出：

tf.Tensor([18 12  0  0  0  9  0  0], shape=(8,), dtype=int32)

3.meshgrid：

y=tf.linspace(2.,-2,5)#取2到-2之间的值，5个间隔
x=tf.linspace(2.,-2,5)
point_x,point_y=tf.meshgrid(x,y)#返回切割的x,y张量
print(tf.stack([point_x,point_y]))

输出：

tf.Tensor(
[[[ 2.  1.  0. -1. -2.]
  [ 2.  1.  0. -1. -2.]
  [ 2.  1.  0. -1. -2.]
  [ 2.  1.  0. -1. -2.]
  [ 2.  1.  0. -1. -2.]]

 [[ 2.  2.  2.  2.  2.]
  [ 1.  1.  1.  1.  1.]
  [ 0.  0.  0.  0.  0.]
  [-1. -1. -1. -1. -1.]
  [-2. -2. -2. -2. -2.]]], shape=(2, 5, 5), dtype=float32)