TensorFlow 函数用法讲解

目录

1.tf.split  切割张量

2.tf.transpose 张量指定维度交换

3. tf.concat 指定维度连接

4.tf.reshape(tensor,shape,name) 转换维度

5. tf.pad(tensor,paddings,mode,name,constant_values) 张量值填充

---

1.tf.split  切割张量

API原型（TensorFlow 1.8.0）：

tf.split(
    value,
    num_or_size_splits,
    axis=0,
    num=None,
    name='split'
)

这个函数是用来切割张量的。输入切割的张量和参数，返回切割的结果。 
value传入的就是需要切割的张量。 
这个函数有两种切割的方式：比如说一个20 * 30 * 40的张量

有两种切割方式： 
1. 如果num_or_size_splits传入的是一个整数，这个整数代表这个张量最后会被切成几个小张量。此时，传入axis的数值就代表切割哪个维度（从0开始计数）。调用tf.split(my_tensor, 2，0)返回两个10 * 30 * 40的小张量。 
2. 如果num_or_size_splits传入的是一个向量，那么向量有几个分量就分成几份，切割的维度还是由axis决定。比如调用tf.split(my_tensor, [10, 5, 25], 2)，则返回三个张量分别大小为 20 * 30 * 10、20 * 30 * 5、20 * 30 * 25。很显然，传入的这个向量各个分量加和必须等于axis所指示原张量维度的大小 (10 + 5 + 25 = 40)。

2.tf.transpose 张量指定维度交换

tf.transpose(input, [dimension_1, dimenaion_2,..,dimension_n]):这个函数主要适用于交换输入张量的不同维度用的，如果输入张量是二维，就相当是转置。dimension_n是整数，如果张量是三维，就是用0,1,2来表示。这个列表里的每个数对应相应的维度。如果是[2,1,0]，就把输入张量的第三维度和第一维度交换。

import tensorflow as tf
import numpy as np

A = np.array([[1, 2, 3], [4, 5, 6]])
x = tf.transpose(A, [1, 0])

with tf.Session() as sess:
    print(A)
    print(sess.run(x))
    print(A.shape, x.shape)

输出：

[[1 2 3]
 [4 5 6]]
[[1 4]
 [2 5]
 [3 6]]
(2, 3) (3, 2)

3. tf.concat 指定维度连接

tf.concat(concat_dim, values, name='concat')   在指定维度，连接多个向量

import tensorflow as tf
# tensor t3 with shape [2, 3]
# tensor t4 with shape [2, 3]
tf.shape(tf.concat(0, [t3, t4])) ==> [4, 3]
tf.shape(tf.concat(1, [t3, t4])) ==> [2, 6]

4.tf.reshape(tensor,shape,name) 转换维度

inputss = tf.reshape(inputs, [-1, 2*H]) # inputs [B,T,2H] -> [B*T,2H]
ip = tf.matmul(inputss, w)              # ip [B*T,2H]*[2H,4]=[B*T,4]
ip = tf.reshape(ip, [-1, t, num_tags])  # ip [B*T,4]->[B,T,4]

5. tf.pad(tensor,paddings,mode,name,constant_values) 张量值填充

tensor是要填充的张量

padings 也是一个张量，代表每一维填充多少行/列，但要求它的rank一定要和tensor的rank一样

mode 可以取三个值，分别是"CONSTANT" ,"REFLECT","SYMMETRIC"

mode="CONSTANT" 是填充0

mode="REFLECT"是映射填充，上下（1维）填充顺序和paddings是相反的，左右（零维）顺序补齐

mode="SYMMETRIC"是对称填充，上下（1维）填充顺序是和paddings相同的，左右（零维）对称补齐

constant_values 指定mode=constant 时，填充的值

t=[[2,3,4], [5,6,7]]

sess.run(tf.pad(t, [[1,2],[2,3]], mode="CONSTANT"))
输出结果为：
array([[0, 0, 0, 0, 0, 0, 0, 0],
          [0, 0, 2, 3, 4, 0, 0, 0],
          [0, 0, 5, 6, 7, 0, 0, 0],
          [0, 0, 0, 0, 0, 0, 0, 0],
          [0, 0, 0, 0, 0, 0, 0, 0]], dtype=int32)

可以看到，上，下，左，右分别填充啦1,2,2,3行，刚好和paddings=[[1,2],[2,3]]相等，零填充