TensorFlow 学习笔记1-tf.stack的用法

                              tf.stack的用法

1 tf.stack

     tf.stack用于拼接两个tf 张量，拼接可以在不同的维度上进行，拼接后的新张量维度加1

     例子1：拼接1维数组：

x1=tf.constant([1,2,3])# shape:（3）
x2=tf.constant([3,4,5])# shape: (3)
#在第0个轴上拼接
y1=tf.stack([x1,x2],0) #shape=(2*3)
print(sess.run(y1))
-------------------y1
  [[1 2 3]
  [3 4 5]]
-------------------
#在第1个轴上拼接
#此处的axis最大值为1
y2=tf.stack([x1,x2],axis=1) #shape=(3*2)
print(sess.run(y2)
-------------------y2
 [[1 3]
 [2 4]
 [3 5]]
-------------------

例子2：拼接高维数组

>>>x2=tf.constant([[[1,1],[2,2]],[[3,2],[4,4]]])#shape:(2,2,2)
 [[[1 1]
  [2 2]]

 [[3 2]
  [4 4]]]
>>>x3=tf.constant([[[5,5],[6,6]],[[7,7],[8,8]]])#shape:(2,2,2)
 [[[5 5]
  [6 6]]

 [[7 7]
  [8 8]]]
#注意下面代码stack函数的参数axis值的变化从0到3
>>> z1=tf.stack([x2,x3],axis=0) #shape:(2*2*2*2)
>>> print(sess.run(z1))
[[[[1 1]
   [2 2]]

  [[3 2]
   [4 4]]]


 [[[5 5]
   [6 6]]

  [[7 7]
   [8 8]]]]
>>> z2=tf.stack([x2,x3],1)
>>> print(sess.run(z2))
[[[[1 1]
   [2 2]]

  [[5 5]
   [6 6]]]


 [[[3 2]
   [4 4]]

  [[7 7]
   [8 8]]]]

>>> z3=tf.stack([x2,x3],2)
>>> print(sess.run(z3))
[[[[1 1]
   [5 5]]

  [[2 2]
   [6 6]]]


 [[[3 2]
   [7 7]]

  [[4 4]
   [8 8]]]]

>>> z4=tf.stack([x2,x3],axis=3) # axis的最大值为3 比x2的维度大1
>>> print(sess.run(z4))
[[[[1 5]
   [1 5]]

  [[2 6]
   [2 6]]]


 [[[3 7]
   [2 7]]

  [[4 8]
   [4 8]]]]

2  tf数组取值

 

>>>x2=tf.constant([[[1,1],[2,2]],[[3,2],[4,4]]])#shape:(2,2,2)
 [[[1 1]
  [2 2]]

 [[3 2]
  [4 4]]]

>>> y=x2[:,:,0] #取最后一维的索引0的值
>>> y.shape
TensorShape([Dimension(2), Dimension(2)])
#注意此处的y的shape大小是2*2 二维不是2*2*1三维

3 tf.expand_dims 

>>> x=tf.constant([[1,2],[3,4]])
>>> sess=tf.Session()
>>> print(sess.run(x))
  [[1 2]
   [3 4]]
>>> y=tf.expand_dims(x,-1) # 对x的最后的维度添加1维
>>> y.shape
TensorShape([Dimension(2), Dimension(2), Dimension(1)])
>>> print(sess.run(y))
[[[1]
  [2]]
 [[3]
  [4]]]

>>> y=tf.expand_dims(x,1)  # 在第1维度添加1维
>>> print(sess.run(y))
[[[1 2]]

 [[3 4]]]

4 tf.boolean_mask

>>> y=tf.constant([1,2,3,4,5,6,7,8])
>>> print(sess.run(tf.boolean_mask(y,[1])))
>>> mask=y >2
>>> print(sess.run(mask))
[False False  True  True  True  True  True  True]
>>> print(sess.run(tf.boolean_mask(y,mask)))
[3 4 5 6 7 8]