tensorflow中的常用函数

FunORAMA

已于 2022-05-11 10:46:08 修改

阅读量1.1k

点赞数

CC 4.0 BY-SA版权

分类专栏：论文笔记文章标签： python

于 2022-05-08 16:36:40 首次发布

本文链接：https://blog.youkuaiyun.com/FunORAMA/article/details/124648848

论文笔记专栏收录该内容

2 篇文章

订阅专栏

这篇博客主要介绍了TensorFlow中的几个重要函数，包括tf.one_hot用于创建one-hot编码，tf.sparse.SparseTensor用于处理稀疏矩阵，tf.reduce_sum进行向量求和，以及tf.math.unsorted_segment_sum在处理分类问题时的票数统计。通过实例展示了这些函数的使用方法和效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

写在前面，不算一篇公开的博客，只是记录自己在阅读代码时碰到的函数，随手百度随手记录。

此外，在科研中遇到的tf或者pytorch中的不知道功能的函数，都可以在python console中查看相关文档。

首先是 import tensorflow。dir()函数帮助查看tensorflow下面的子文件（函数）

然后是运用help()函数，注意在查看tf中的方法时，不需要加括号进去

1. tf.one_hot函数

one_hot(indices, depth, on_value=None, off_value=None, axis=None, dtype=None, name=None)
    Returns a one-hot tensor

用于将indices转换成one-hot类型的数据，depth为one-hot向量的长度。

a = [1, 2, 3]
tensorflow.one_hot(a, 3) # depth为3
output:
<tf.Tensor: shape=(3, 3), dtype=float32, numpy=
array([[0., 1., 0.],
       [0., 0., 1.],
       [0., 0., 0.]], dtype=float32)>

2. tf.sparse.SparseTensor类

SparseTensor(indices, values, dense_shape)

indices：表示稀疏矩阵的非零值元素的索引值，是二维的

values：表示稀疏矩阵中非零元素，与indices一一对应，是一维的

dense_shape：表示稀疏矩阵的维度

3. tf.reduce_sum函数

表示的是求和函数，可以通过调整 axis =0,1 的维度来控制求和维度

reduce_sum(input_tensor, axis=None, keepdims=False, name=None)

4. tf.math.unsorted_segment_sum

先附上官方定义

但是看了网上一些讲解和例子，还是没能搞懂，于是就debug去代码里面看了一下，懂了。

假设我们现在又三个二分类问题分别是0/ 1/ 2，将问题按照[0, 1, 2, 0, 1]的顺序分发给工人，我们收到的data为 [0, 1, 0, 1, 1] ，最后我们怎么收集这些问题的票数？（个人认为例子已经很详尽了，不再多加说明）

one_hot向量

import tensorflow as tf
import numpy as mp

data =  [0, 1, 0, 1, 1]
# 将其转换成one-hot向量
data = tf.one_hot(data, depth=2)

"""
<tf.Tensor: shape=(5, 2), dtype=float32, numpy=
array([[1., 0.],
       [0., 1.],
       [1., 0.],
       [0., 1.],
       [0., 1.]], dtype=float32)>
"""

object_index = [0, 1, 2, 0, 1]  # 问题列表
data_process = tf.math.unsorted_segment_sum(data, object_index, 3)  # 3为问题种类数

"""
最终的输出结果
<tf.Tensor: shape=(5, 2), dtype=float32, numpy=
array([[1., 1.],
       [0., 2.],
       [1., 0.]], dtype=float32)>
"""