Tensorflow常遇函数(二)_tensorflow 循环堆叠张量-优快云博客

本文链接：https://blog.youkuaiyun.com/qq_45704645/article/details/109726365

本文介绍了Tensorflow中的tf.transpose()函数，用于交换张量的维度，以及NumPy中的np.hstack()和np.vstack()函数，分别用于水平和垂直堆叠数组。理解这些函数对于深度学习和数据处理至关重要。示例展示了不同维度张量的转置和堆叠操作，强调了数组形状一致性的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Tensorflow常见函数

1.tf.transpose()

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

a=tf.constant([[1,2,3],[4,5,6]])#shape=2*3
b=tf.constant([[[1,2,3],[4,5,6]],[[7,8,9,][10,11,12]]])#shape=2*2*3
print (tf.transpose(a,[1,0]).eval())   # 2*3-->3*2
  [[1 4]
   [2 5]
   [3 6]]
print (tf.transpose(b,[2,0,1]).eval()) # 2*2*3-->3*2*2，先找出(1,4,7,10)然后组成2*2的形状
  [[[ 1  4]
  [ 7 10]]
 
  [[ 2  5]
   [ 8 11]]
 
  [[ 3  6]
   [ 9 12]]]
print(tf.transpose(a, perm=[0, 2, 1]))#shape=2*3*2
[[[1  4]
  [2  5]
  [3  6]]
 
  [[7 10]
  [8 11]
  [9 12]]

2.np.hstack(tup)

按水平方向（列顺序）堆叠数组构成一个新的数组堆叠的数组需要具有相同的维度

参数：
tup:ndarrays数组序列，除了一维数组的堆叠可以是不同长度外，其它数组堆叠时，除了第二个轴的长度可以不同外，其它轴的长度必须相同。
原因在于一维数组进行堆叠是按照第一个轴进行堆叠的，其他数组堆叠都是按照第二个轴堆叠的。

a = np.array((1,2,3))
b = np.array((2,3,4))
np.hstack((a,b))
输出：
array([1, 2, 3, 2, 3, 4])

a = np.array([[1],[2],[3]])
b = np.array([[2],[3],[4]])
np.hstack((a,b))
输出：
array([[1, 2],
       [2, 3],
       [3, 4]])

以下代码会报错:

print np.hstack(([[1,2,3],[2,3,4]],[[1,2]]))

第一个数组是2行3列，而第二个数组是1行2列
所以报错

3.np.vstack(tup)

按垂直方向（行顺序）堆叠数组构成一个新的数组堆叠的数组需要具有相同的维度参数： tup：ndarrays数组序列，如果是一维数组进行堆叠，则数组长度必须相同；除此之外，其它数组堆叠时，除数组第一个轴的长度可以不同，其它轴长度必须一样。

a = np.array([1, 2, 3])
b = np.array([2, 3, 4])
np.vstack((a,b))
输出：
array([[1, 2, 3],
       [2, 3, 4]])
       
a = np.array([[1], [2], [3]])
b = np.array([[2], [3], [4]])
np.vstack((a,b))
输出：
array([[1],
       [2],
       [3],
       [2],
       [3],
       [4]])

以下代码会出错:

print np.vstack(([[1,2,3],[3,4,3]],[[4,5]]))

除了第一维可以不一样，其他维必须相同，上述代码第二维不一样，所以报错