5.1 合并与分割
5.1.1合并
合并指的是多个张量在某个维度上合并成1个张量。以学生成绩数据为例子,A保存了1~4班的学生成绩,每个班35个学生,共8门科目,则A的shape为[4,25,8];同样的B保存的shape为[6,35,8]。C代表学校的成绩,则shape为[10,35,8],这就是张量合并的意义。
合并可以使用拼接(Concatenate)和堆叠(Stack)操作实现,拼接操作并不会产生新的维度,而堆叠会产生新的维度。根据场景来选择使用哪一种
拼接在Tensorflow中,通过tf.concat(tensors, axis)来实现,其中参数tensors保存了所需要合并的张量list,axis指定合并的维度索引,接下来,要合并所有的班级
import tensorflow as tf
# A班成绩
a = tf.random.normal([4,35,8])
# B班成绩
b = tf.random.normal([6,35,8])
# 合并之后的成绩
c = tf.concat([a,b], axis=0)
print(c.shape)
#假设a代表全校某4门课程的分数,b代表另外四门的分数
a = tf.random.normal([10,35,4])
b = tf.random.normal([10,35,4])
print(tf.concat([a,b], axis=2))
当出现多个维度不相同的情况是无法进行拼接的,换言之,要拼接的话,只能由一个维度不相同的两个张量进行
堆叠操作直接合并数据并且产生一个新的维度,使用tf.stack完成。例如两个班级,班级A和班级B都是[35,8],则将两个班级堆叠之后产生[2,35,8]这样的数据。
在使用tf.stack(tensors, axis)的时候,通过axis指定新插入的位置,axis的用法和tf.expand_dims一致,表示插入维度的位置,
import tensorflow as tf
a = tf.random.normal([35, 8])
b = tf.random.normal([35, 8])
print(tf.stack([a,b], axis=0).shape)
#将堆叠而成的新元素放在最后面
a = tf.random.normal([35, 8])
b = tf.random.normal([35, 8])
print(tf.stack([a, b], axis=-1).shape)
堆叠的时候也需要注意,必须维度相同的两个张量才能完成堆叠
5.1.2 分割
合并操作的逆过程就是分割,将一个张量拆分成多个张量,现在拆分班级张量[10,35,8],通过使用tf.split(x, num_or_size_splits, axis)来进行分割
import tensorflow as tf
# 分割:使用tf.split来实现分割
# x:带分割的张量
# num_or_size_splits 切割方案,当为单个数值时,比如3,就是等比切分成三分,如果是一个list[2,2,4,2],就是按照比例切分
# axis:切分的维度索引
x = tf.random.normal([10,35,8])
result = tf.split(x, num_or_size_splits=10, axis=0)
print(len(result))
print(result[0].shape) ##结果并不是[35,8],而是[1,35,8],班级维度会保留
#进行不等长切分
x = tf.random.normal([10, 35, 8])
result = tf.split(x, num_or_size_splits=[4,2,2,2], axis=0)
print(len(result))
print(result[0].shape)
还可以使用tf.unstack(x, axis)方法切分,他是tf.split的一种方式,切分长度固定为1,只要指定索引号就行
import tensorflow as tf
# 等长切分
x = tf.random.normal([10, 35, 8])
result = tf.unstack(x, axis=0)
print(len(result))
print(result[0].shape)
这个结果会使班级维度消失