Tensorflow API: Tensor Transformations

最新推荐文章于 2025-12-23 14:24:02 发布

原创最新推荐文章于 2025-12-23 14:24:02 发布 · 304 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#api #tensorflow

Tensorflow 专栏收录该内容

6 篇文章

订阅专栏

本文介绍了TensorFlow中数据转换的方法，包括字符串到数字的转换、数据类型的转换、形状和重塑操作、切片与合并等高级技巧。这些操作对于处理复杂的机器学习任务至关重要。

部署运行你感兴趣的模型镜像

Tensor Transformations

1. Tensor Transformations

tf.string_to_number(string_tensor, out_type=None, name=None) # 字符串转为数字
tf.to_double(x, name=’ToDouble’)  # 转为64位浮点类型 float64
tf.to_float(x, name=’ToFloat’)  # 转为32位浮点类型 float32
tf.to_int32(x, name=’ToInt32’)  # 转为32位整型 int32
tf.to_int64(x, name=’ToInt64’)  # 转为64位整型 int64
tf.cast(x, dtype, name=None)    # 将x或者x.values转换为dtype

2. shape and reshape

# 't' is [[[1, 1, 1], [2, 2, 2]], [[3, 3, 3], [4, 4, 4]]]
tf.shape(input, name=None) # 返回数据的shape  ==> [2, 2, 3]
tf.size(input, name=None) # 返回数据的元素数量 ==> 12
tf.rank(input, name=None) # 返回tensor的rank(不同于矩阵的 rank) ==> 3
tf.reshape(tensor, shape, name=None) # 改变tensor的形状, 可使用'-1'自动推导
tf.expand_dims(input,axis=None,name=None,dim=None) # 维度扩展,dim表示扩展的维度
# 't' is a tensor of shape [2]
# shape(expand_dims(t, 0)) ==> [1, 2]
# shape(expand_dims(t, 1)) ==> [2, 1]
# shape(expand_dims(t, -1)) ==> [2, 1]

3. Slicing and Joining

tf.slice(input_, begin, size, name=None)   # 对tensor进行切片操作
tf.split(value, num_or_size_splits, axis=0, num=None,name='split')  # 沿某一维度将tensor分离为num_split tensors
tf.concat(concat_dim, values, name=’concat’)  # 沿着某一维度连结tensor
tf.pack(values, axis=0, name=’pack’) # 将一系列rank-R的tensor打包为一个rank-(R+1)的tensor
tf.reverse(tensor, dims, name=None)  # 沿着某维度进行序列反转，其中dim为列表, 元素为bool型，size等于rank(tensor)
tf.transpose(a, perm=None, name=’transpose’) # 调换tensor的维度顺序, 按照列表perm的维度排列调换tensor顺序，
tf.gather(params, indices, validate_indices=None, name=None) # 合并索引indices所指示params中的切片
tf.one_hot(indices, depth, on_value=None, off_value=None, axis=None, dtype=None, name=None) indices = [0, 2, -1, 1]  # ont-hot encoding