TensorFlow进阶

TensorFlow基础

合并与分割

合并

合并是指将多个张量再某个维度上合并为一个张量。

张量的合并可以使用拼接Concatenate和堆叠Stack操作实现，拼接操作不会产生新的维度，仅在现有的维度上合并，而堆叠会创建新的维度。

拼接

堆叠

分割

合并操作的逆过程就是分割，将一个张量分拆为多个张量。

注意，切割后的result是一个list，所以可以使用索引查询分割后的每条数据。

特别的，如果希望在某个维度上全部按照长度为1的方式切割，还可以使用tf.unstack(x,axis)函数。

数据统计

在神经网络的计算过程中，经常需要统计数据的各种属性，如最值、最值位置、均值、范数等信息。

由于张量通常较大，直接观察数据很难获得有用信息，通过获取这些张量的统计信息可以较轻松地推测张量数值的分布。

向量范数

向量范数Vector Norm是表征向量“长度”的一种度量方法，它可以推广到张量上。

• L1范数，定义为向量x的所有元素绝对值之和。
• L2范数，定义为向量x的所有元素的平方和，再开根号。
• 无穷大范数，定义为向量x的所有元素绝对值的最大值。