TensorFlow人工智能學習數據合並分割統計示例詳解
一、數據合並與分割
1.tf.concat()
填入兩個tensor, 指定某維度,在指定的維度合並。除瞭合並的維度之外,其他的維度必須相等。
2.tf.split()
填入tensor,指定維度,指定分割的數量。例如原數據維度是[2,4,35,8],當分割數量指定為2,維度是最後一維時,會分割成兩個tensor,維度均是[2,4,35,4]。分割的維度,也可以直接指定數量及維度。比如指定為[2,2,4],則會分成三個tensor,最後一個維度分別是2,2,4。
3.tf.stack()
該方法會創造新的維度。要求兩個合並的數據維度全部一樣,在哪個維度合並,就會在哪個維度前面產生一個新維度,可以根據這個維度進行選擇。
二、數據統計
註意:tf中指定維度的時候,就是把指定的維度上的內容進行操作,保留剩下的維度。
比如(2,3),求范數,如果指定axis=1,也就是列,那就是說,使用列上的3個數據,去求范數。得到的就是2維向量。也就是,指定瞭哪個維度,就會消去哪個維度。
1.tf.norm()
求范數,如果不指定幾范數就是二范數。
指定ord=1就是1范數。可以指定維度,就是把指定的維度上的內容求范數,保留剩下的維度。
比如(2,3),如果指定axis=1,也就是列,那就是說,使用列上的3個數據,去求范數。得到的就是2維向量。也就是,指定瞭哪個維度,就會消去哪個維度。
2.reduce_min/max/mean()
求數據的最小值、最大值、均值。這裡有一個reduce,意思是提醒我們維度會降低。
3.tf.argmax/argmin()
返回最大值、最小值的索引,如果不指定維度,那就是默認把第0維的求出來。
4.tf.equal()
填入兩個tensor,形狀需要一樣,返回一樣形狀的佈爾tensor,可以通過先轉換成整型(1,0),再累加的方式,求得兩個tensor中相同數據的數量。
5.tf.unique()
和numpy中的unique一樣。
以上就是TensorFlow人工智能學習數據合並分割統計示例詳解的詳細內容,更多關於TensorFlow數據合並分割統計的資料請關註WalkonNet其它相關文章!
推薦閱讀:
- numpy中hstack vstack stack concatenate函數示例詳解
- 淺談tensorflow與pytorch的相互轉換
- 深入理解numpy中argmax的具體使用
- TensorFlow人工智能學習張量及高階操作示例詳解
- tensorflow1.x和tensorflow2.x中的tensor轉換為字符串的實現