Elag的专栏

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]...

比较两个数，返回一个 bool 类型的张量 import tensorflow as tf #判断每一个数是否大于0.5 greater = tf.greater([1.,0.2,0.5,0.,2.,3.], 0.5) #判断每一个数是否小于0.5 less = tf.less([1.,0.2,0.5,0.,2.,3.], 0.5) #判断每一个数是否大于等于0.5 greater_equal=...

返回输入矩阵中true的索引位置,x和y必须同时有（维度必须相同）或没有 import tensorflow as tf where = tf.where([True,False,True,False,True,True]) where1 = tf.where([True,False,True,False,True,True],x=[1.,0.2,0.5,0.,2.,3.],y=[1,2,3,...

tf.stack()：矩阵拼接 tf.unstack()：矩阵分解 import tensorflow as tf a = tf.reshape(tf.range(0, 12), [3, 4]) b = tf.reshape(tf.range(100, 112), [3, 4]) # 按第0维拼接 stack0 = tf.stack([a, b], axis=0) # 按第1维拼接 ...

tf.cond()是一个条件函数，根据条件返回的True或False 返回相应的结果 第一个参数是条件 bool 类型，第2个和第3个参数是返回的值，如果条件是True 返回第二个参数，如果条件是False 则返回第三个参数 import tensorflow as tf a = tf.constant(2) b = tf.constant(3) x = tf.constant(4) y =...