tensorflow中的stack与numpy切片

最新推荐文章于 2024-05-05 20:19:43 发布

原创最新推荐文章于 2024-05-05 20:19:43 发布 · 531 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#stack

tensorflow 专栏收录该内容

53 篇文章

订阅专栏

本文通过实例演示了如何使用NumPy与TensorFlow进行数组操作，包括选取、切片和堆叠等基本操作。同时介绍了tf.stack函数的用法及其参数axis的意义，帮助读者更好地理解这些常用操作。

部署运行你感兴趣的模型镜像


import numpy as np
import tensorflow as tf



a = np.array([
    [1,2,3],
    [4,5,6],
    [7,8,9]
])
#矩阵 a[:] 于a[:,]区别

print(a[:1])  #按照行输出
print(a[:,1])  #输出第二列
print(a[:2])

'''
    For example:
      
      x = tf.constant([1, 4])
      y = tf.constant([2, 5])
      z = tf.constant([3, 6])
      tf.stack([x, y, z])  # [[1, 4], [2, 5], [3, 6]] (Pack along first dim.)
      tf.stack([x, y, z], axis=1)  # [[1, 2, 3], [4, 5, 6]]
       
    stack作用:
        对列表进行打包划分
    参数:
     1 ：是列表，若是矩阵需要转化为列表
     2 , 默认axis=0, 代表行画分， axis=1,代表列画分
       
       
'''
st1 = tf.stack(a[:2].tolist(),axis=1)
st = tf.stack(a.tolist(),axis = 1)
with tf.Session() as sess:
    print(sess.run(st))
    '''
        [[1 4 7]
         [2 5 8]
         [3 6 9]]
    '''

您可能感兴趣的与本文相关的镜像