短小精悍算例：TensorFlow中concat()函数实现矩阵拼接操作

最新推荐文章于 2021-08-01 17:02:20 发布

原创最新推荐文章于 2021-08-01 17:02:20 发布 · 1k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #python

Python 同时被 2 个专栏收录

25 篇文章

订阅专栏

机器学习

24 篇文章

订阅专栏

本文通过使用TensorFlow实现矩阵的上下拼接和左右拼接，展示了如何在神经网络中进行矩阵操作。代码实例详细解释了操作过程及输出结果。

import tensorflow as tf
import numpy as np

A = tf.placeholder(dtype=tf.float32, shape=[2, 2])
#矩阵连接操作，在大型神经网络中用的比较多
AA0 = tf.concat([A, A], axis=0)  #上下拼接
AA1 = tf.concat([A, A], axis=1)  #左右拼接
#初始化
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)
print(sess.run(AA0, feed_dict={A: [[1, 2], [-1, 1]]}))
print(sess.run(AA1, feed_dict={A: [[1, 2], [-1, 1]]}))


输出结果：
[[ 1.  2.]
 [-1.  1.]
 [ 1.  2.]
 [-1.  1.]]
 
[[ 1.  2.  1.  2.]
 [-1.  1. -1.  1.]]