tf.concat中axis的含義與使用詳解
tensorflow中tf.concat的axis的使用我一直理解的比較模糊,這次做個(gè)筆記理下自己的思路。
import tensorflow as tf tf.enable_eager_execution() import numpy as np
先生成兩個(gè)矩陣m1, 和m2, 大小為兩行三列
m1 = np.random.rand(2,3) # m1.shape (2,3) m1 >>array([[0.44529968, 0.42451167, 0.07463199], [0.35787143, 0.22926186, 0.34583839]]) m2 = np.random.rand(2,3) # m2.shape (2,3) m2 >>array([[0.92811531, 0.6180391 , 0.71969461], [0.00564108, 0.55381637, 0.17155987]])
接下來(lái)采用tf.concat進(jìn)行連接,簡(jiǎn)單來(lái)說(shuō),axis=0實(shí)際就是按行拼接,axis=1就是按列拼接
# axis = 0 m3 = tf.concat([m1,m2],axis=0) m3 >> array([[0.44529968, 0.42451167, 0.07463199], [0.35787143, 0.22926186, 0.34583839], [0.92811531, 0.6180391 , 0.71969461], [0.00564108, 0.55381637, 0.17155987]]) m3.shape >> (4,3) # axis = 1 m4 = tf.concat([m1,m2],axis=1) m4 >>array([[0.44529968, 0.42451167, 0.07463199, 0.92811531, 0.6180391 , 0.71969461], [0.35787143, 0.22926186, 0.34583839, 0.00564108, 0.55381637, 0.17155987]]) m4.shape >>(2,6)
但這實(shí)際上這只有在我們的輸入是二維矩陣時(shí)才可以這樣理解。axis的實(shí)際含義是根據(jù)axis指定的維度進(jìn)行連接,如矩陣m1的維度為(2,3), 那么axis=0就代表了第一個(gè)維度‘2',因此,將m1和m2按照第一個(gè)維度進(jìn)行連接,得到的新的矩陣就是將第一維度進(jìn)行相加,其余維度不變,即維度變成了(4,3).
同理,axis=1時(shí)就是將矩陣的第二維度進(jìn)行合并,其余維度不變,即維度變成了(2,6)。
接下來(lái)處理三個(gè)維度的數(shù)據(jù),這也是我們?cè)谏窠?jīng)網(wǎng)絡(luò)數(shù)據(jù)中經(jīng)常要用到的,增加的一個(gè)維度通常代表了batch_size. 如下面的m5, batch_size=5, 可以理解為每個(gè)樣本是個(gè)2*3的矩陣,一次將5個(gè)樣本放在一起。
m5 = np.random.rand(5,2,3) m6 = np.random.rand(5,2,3) m5 >>array([[[0.04347217, 0.03368232, 0.36017024], [0.74223151, 0.06609717, 0.38155531]], [[0.50602728, 0.355745 , 0.93379797], [0.97572621, 0.53745311, 0.66461841]], [[0.92832972, 0.02441683, 0.48436203], [0.69651043, 0.24194495, 0.64623769]], [[0.66667596, 0.60053027, 0.2970753 ], [0.13281764, 0.29326326, 0.32393028]], [[0.40892782, 0.48516547, 0.02298178], [0.51239083, 0.40151008, 0.29913204]]]) m6 >>array([[[0.58001909, 0.56925704, 0.09798246], [0.20841893, 0.62683633, 0.17923217]], [[0.91216164, 0.0200782 , 0.3986682 ], [0.86687006, 0.83730576, 0.48443545]], [[0.65641654, 0.59786311, 0.2055584 ], [0.65391822, 0.74093133, 0.02416627]], [[0.80778861, 0.22644312, 0.91610686], [0.0789411 , 0.86955002, 0.41437046]], [[0.97821668, 0.97118328, 0.97714882], [0.21543173, 0.06964724, 0.35360077]]])
在這種情況下,axis=0代表的第一個(gè)維度的含義就不再是之前認(rèn)為的行的概念了,現(xiàn)在m5的第一維度的值是5,代表的是batch_size。仍然按照之前的理解,如果設(shè)置axis=0, axis=0就是將第一維度進(jìn)行相加,其余維度不變,因此我們可以得到新的維度為(10,2,3)。
m7 = tf.concat([m5, m6],axis=0) m7 >> array([[[0.04347217, 0.03368232, 0.36017024], [0.74223151, 0.06609717, 0.38155531]], [[0.50602728, 0.355745 , 0.93379797], [0.97572621, 0.53745311, 0.66461841]], [[0.92832972, 0.02441683, 0.48436203], [0.69651043, 0.24194495, 0.64623769]], [[0.66667596, 0.60053027, 0.2970753 ], [0.13281764, 0.29326326, 0.32393028]], [[0.40892782, 0.48516547, 0.02298178], [0.51239083, 0.40151008, 0.29913204]], [[0.58001909, 0.56925704, 0.09798246], [0.20841893, 0.62683633, 0.17923217]], [[0.91216164, 0.0200782 , 0.3986682 ], [0.86687006, 0.83730576, 0.48443545]], [[0.65641654, 0.59786311, 0.2055584 ], [0.65391822, 0.74093133, 0.02416627]], [[0.80778861, 0.22644312, 0.91610686], [0.0789411 , 0.86955002, 0.41437046]], [[0.97821668, 0.97118328, 0.97714882], [0.21543173, 0.06964724, 0.35360077]]]) m7.shape >>(10,2,3)
同理,也可以進(jìn)行axis=1, axis=2的concat操作。
此外,axis的值也可以設(shè)置為負(fù)數(shù),如axis=-1實(shí)際上就是指倒數(shù)第一個(gè)維度,如m5的倒數(shù)第一個(gè)維度的值就是‘3'。因此,axis=2的操作和axis=-1的操作是等價(jià)的。
以上這篇tf.concat中axis的含義與使用詳解就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
在VS Code上搭建Python開(kāi)發(fā)環(huán)境的方法
這篇文章主要介紹了在VS Code上搭建Python開(kāi)發(fā)環(huán)境的方法,需要的朋友可以參考下2018-04-04python3使用騰訊企業(yè)郵箱發(fā)送郵件的實(shí)例
今天小編就為大家分享一篇python3使用騰訊企業(yè)郵箱發(fā)送郵件的實(shí)例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-06-06Python中類(lèi)方法@classmethod和靜態(tài)方法@staticmethod解析
這篇文章主要介紹了Python中類(lèi)方法@classmethod和靜態(tài)方法@staticmethod解析,python中存在三種方法,分別為常規(guī)方法(定義中傳入self)、@classmethod修飾的類(lèi)方法、@staticmethod修飾的靜態(tài)方法,,需要的朋友可以參考下2023-08-08Flask實(shí)現(xiàn)的接口響應(yīng)中存在中文時(shí)接口返回為unicode亂碼的解決方法
本文給大家分享了新版Flask實(shí)現(xiàn)的接口響應(yīng)中存在中文時(shí)接口返回為unicode亂碼的解決方法,文中通過(guò)代碼示例和圖文介紹的非常詳細(xì),如果有遇到相同問(wèn)題的朋友,可以參考閱讀本文2023-11-11Python利用for循環(huán)打印星號(hào)三角形的案例
這篇文章主要介紹了Python利用for循環(huán)打印星號(hào)三角形的案例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-04-04Python開(kāi)發(fā)生產(chǎn)環(huán)境常用的4個(gè)工具(實(shí)用推薦)
構(gòu)建優(yōu)秀的軟件需要遵循特定的規(guī)則并執(zhí)行行業(yè)標(biāo)準(zhǔn),如何在真實(shí)的生產(chǎn)環(huán)境開(kāi)發(fā)中體現(xiàn)呢?在這篇文章中,我將向您展示我在Python項(xiàng)目中設(shè)置的4種工具,以簡(jiǎn)化開(kāi)發(fā)工作流程并執(zhí)行一些最佳實(shí)踐,這些工具幫助我提高了效率,節(jié)省了時(shí)間,希望你讀完也能有所收獲2024-01-01pycharm之英文輸入法變成全角字符無(wú)法輸入問(wèn)題
這篇文章主要介紹了pycharm之英文輸入法變成全角字符無(wú)法輸入問(wèn)題及解決方案,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-11-11Python編程實(shí)現(xiàn)生成特定范圍內(nèi)不重復(fù)多個(gè)隨機(jī)數(shù)的2種方法
這篇文章主要介紹了Python編程實(shí)現(xiàn)生成特定范圍內(nèi)不重復(fù)多個(gè)隨機(jī)數(shù)的2種方法,涉及Python基于random生成隨機(jī)數(shù)的常見(jiàn)操作技巧,需要的朋友可以參考下2017-04-04python打包exe開(kāi)機(jī)自動(dòng)啟動(dòng)的實(shí)例(windows)
今天小編就為大家分享一篇python打包exe開(kāi)機(jī)自動(dòng)啟動(dòng)的實(shí)例(windows),具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-06-06python隱藏類(lèi)中屬性的3種實(shí)現(xiàn)方法
今天小編就為大家分享一篇python隱藏類(lèi)中屬性的3種實(shí)現(xiàn)方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-12-12