tf.gather 实例

最新推荐文章于 2025-05-22 10:42:42 发布
最新推荐文章于 2025-05-22 10:42:42 发布
阅读量3.7w 收藏 15
点赞数 9
CC 4.0 BY-SA版权
分类专栏： TensorFlow
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.youkuaiyun.com/guotong1988/article/details/53172882
这篇博客深入探讨了 TensorFlow 中的 `tf.gather` 函数，通过实例展示了如何从给定的数组中按索引选取元素，输出结果为 `[11, 51, 91]`，揭示了该函数在处理张量数据时的灵活性和实用性。" 86506354,7727947,C++代码优化：利用函数复用简化臃肿代码,"['C++编程', '代码重构', '函数优化', '运算符重载', 'C++特性']

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

import tensorflow as tf

temp = tf.range(0,10)*10 + tf.constant(1,shape=[10])
temp2 = tf.gather(temp,[1,5,9])

with tf.Session() as sess:

    print sess.run(temp)
    print sess.run(temp2)

输出
[ 1 11 21 31 41 51 61 71 81 91]
[11 51 91]

tf.gather_nd 实例
Love-Coding
12-04 603
import tensorflow as tf value = [[[1,2,3],[11,22,33]],[[4,5,6],[44,55,66]]] init = tf.constant_initializer(value) input = tf.get_variable('input', shape=[2,2,3], initializer=init) value = [[[0,1],[1...
tf.distribute 分布式训练
炫云云
04-26 920
文章目录简介MirroredStrategyCentralStorageStrategyMultiWorkerMirroredStrategyTPUStrategyParameterServerStrategyOneDeviceStrategy在keras中使用自定义的训练的使用参考 简介 tf.distribute 是tensorflow在多GPU、多机器或多TPU上进行分布式训练用的API．使用这个API，你能在尽可能少的改动代码的同时，分布式训练你的模型． tf.distribute即可以和keras
Torch tensor.gather()学习
律己且好学，才能保证不坠入愤世嫉俗之列。
04-16 6132
最近在学习Pytorch的时候遇见了一个很棘手的函数gather，之前也转载了一个博客，但是也似懂非懂的，今天在此总结下，以便后续需要~ 首先贴一下官方的介绍： torch.gather(input, dim, index, out=None) → Tensor Gathers values along an axis specified by dim.（沿着dim指定的轴聚集 s值。） Fo...
tf.gather()
candy134834的博客
05-06 738
import numpy as np import tensorflow as tf sess=tf.InteractiveSession() a=tf.constant([5,5,6,6,3,3]) b=tf.reshape(tf.range(6),(3,2)) b=tf.tile(b,[2,3]) sess.run(b) array([[0, 1, 0, 1, 0, 1], [...
RPN网络结构及详解：高效目标检测的关键组件
最新发布
gitblog_06703的博客
05-22 291
RPN网络结构及详解：高效目标检测的关键组件 【下载地址】RPN网络结构及详解 Region Proposal Network（RPN）是目标检测领域中的核心技术，广泛应用于Faster R-CNN等深度学习框架。它通过滑动窗口和锚点机制，在特征图上高效生成高质量的候选目标区域，为后续的分类和回归任务奠定基础。RPN结合...
tf学习（二）—— 简单示例程序学习
qiurisiyu的博客
05-06 338
通过随机数创建一些点通过最小损失函数生成非线性回归函数通过画图工具将原点与生成的预测图画出来
tf.gather函数
weixin_49346755的博客
07-12 1321
函数说明 根据索引从参数轴上收集切片。参数params表示用来收集数值的一个张量。参数indices表示待收集张量的索引。参数axis表示索引所对应的轴。参数batch_dims表示允许您从批次的每个元素中收集不同的项目。1、一维张量的索引切片 2、二维张量的切片 3、二维张量的索引，关于batch_dims这个参数不怎么常用，理解param、indices以及axis参数使用就可以啦。...............
tf.gather( )的用法
热门推荐
liguandong
01-16 6万+
tf.gather(params,indices,axis=0 ) 从params的axis维根据indices的参数值获取切片 如上图所示，params一共6个维度，indices为[2,1,3,4]被取了出来。  
当然可以！`tf.gather` 是 TensorFlow 中的一个函数，它用于根据指定的索引从一个张量中收集（或提取）元素。这个函数在处理稀疏数据、从查找表中获取值或者重新排列张量的维度时非常有用。 `tf.gather` 的基本定义如下： ``` python tf.gather( params, indices, validate_indices=None, axis=None, batch_dims=0, name=None ) ``` 参数解释： - `params`：一个张量，从中收集元素。 - `indices`：一个整数张量，表示要收集的元素的索引。 - `validate_indices`（可选）：布尔值，用于检查索引是否越界。默认为 `None`，表示不进行检查。 - `axis`（可选）：指定沿哪个轴收集元素。默认为 0。 - `batch_dims`（可选）：整数，表示在收集操作之前，`params` 和 `indices` 张量的批处理维度。默认为 0。 - `name`（可选）：操作的名称。 `tf.gather` 的返回值是一个新的张量，其中包含从 `params` 中收集的元素。 下面是一个简单的例子： ``` python import tensorflow as tf # 创建一个张量 params = tf.constant([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # 指定要收集的元素的索引 indices = tf.constant([0, 2]) # 使用 tf.gather 收集元素 result = tf.gather(params, indices, axis=1) # 输出结果 print(result) ``` 输出： ``` tf.Tensor( [[1 3] [4 6] [7 9]], shape=(3, 2), dtype=int32) ``` 在这个例子中，我们沿着第 1 轴（列方向）从 `params` 张量中收集了索引为 0 和 2 的元素。
04-25
`tf.gather` 是 TensorFlow 中用于从张量中提取子集的强大工具。它可以沿着指定轴抽取索引对应的数据项，广泛应用于各种场景下对张量数据的操作。 ### 参数详解 #### 主要参数 - **params**: 表示需要切片的源张量...
torch.gather的三维实例
03-03 3258
>>> a tensor([[ 0.9918, 0.4911, 1.4912, -1.8491], [ 0.1257, -0.4406, 0.3371, 0.1205], [ 0.3064, -0.8198, 1.2851, 0.2486]]) >>> b tensor([[0, 1], [1, 2],...
tf.gather_nd(params, indices, name=None)
liyaoqing的专栏
02-03 1万+
tf.gather_nd(params, indices, name=None) {#gather_nd} 用indices从张量params得到新张量 Gather values or slices from params according to indices. params is a Tensor of rank P and indices is a Tensor of
tensorflow中tf.gather
ACM_hades的博客
03-25 484
tf.gather： 函数原型： tf.gather( params, indices, validate_indices=None, name=None, axis=0 ) 说明： 根据indices中的索引从params中取出响应的元素来替换掉索引形成张量返回。 例子： import tensorflow as tf a = tf.Variable...
tf.gather()介绍
qq_44788215的博客
10-13 341
indices=[0,2]：代表提取params的第0行和第2行
Tensorflow-API ： tf.gather
Elag的专栏
05-23 422
tf.gather 根据索引从参数轴上收集切片,索引必须是任何维度的整数张量 (通常为 0-D 或 1-D) import tensorflow as tf t1 = tf.reshape(tf.range(0,16),[2,2,4]) # [[[ 0 1 2 3] # [ 4 5 6 7]] # # [[ 8 9 10 11] # [12 13 14 15]...
tf.gather_nd 用法
崔伟灿的博客
12-11 1万+
tf.gather_nd的函数原型是： def gather_nd(params, indices, name=None) 根据定义， 其主要功能是根据indices描述的索引，提取params上的元素， 重新构建一个tensor 在谈论该函数之前，我们先来看一下 索引的概念， 在一维数组中，元素的索引即该元素在数组中序号，通常序号从0开始标记 如数组 ary=[1,2,3,4]; ...
tf.gather_nd
weixin_36670529的博客
09-02 1534
将params中的切片收集到一个由指标指定形状的张量中。 tf.gather_nd( params, indices, batch_dims=0, name=None ) 指标是一个k维整数张量，最好考虑为(K-1)张量的指标到帕拉姆，其中每个元素定义了帕拉姆的一个切片: output[\\(i_0, ..., i_{K-2}\\)] = params[...
tf.gather（）用法
Eric_LH的博客专栏
11-06 5267
tf.gather(等待被取元素的张量，索引) tf.gather根据索引，从输入张量中依次取元素，构成一个新的张量。 索引的维度可以小于张量的维度。这时，取张量元素时，会把相应的低维当作一个整体取出来。 例如 假设输入张量 [[1,2,3],[4,5,6],[7,8,9]] 是个二维的 如果只给一个一维索引0. 它就把[1,2,3]整体取出： 如果给两个一维索引，0和1，它就形成[[1,2,3]...
tf.gather和tf.gather_nd
qq_40657582的博客
11-23 924
tf.gather Gather slices from params axis according to indices. tf.gather(params, indices, validate_indices=None, axis=None, batch_dims=0, name=None) Example： # data: [classes, students, subjects] data = tf.ones([4,35,8]) print(data.shape) # TensorShap
tensorflow 中tf.gather(params, indices, validate_indices=None, name=None) 函数讲解
qq1483661204的博客
12-09 1649
tf.gathertf.gather(params, indices, validate_indices=None, name=None, axis=0)params 表示你输入的张量，indices表示你想要params张量中切片的维度，所以这个函数就是挑选出params中indices对应的数。举例子x = tf.constant(np.arange(8).reshape((2,2,2))) y
评论 6
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

打赏作者

-Love-Coding-

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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