Python3 Tensorlfow:增加或者減小矩陣維度的實(shí)現(xiàn)
1.增加維度
下面給出兩個樣例
樣例1:
[1, 2, 3] ==> [[1],[2],[3]] import tensorflow as tf a = tf.constant([1, 2, 3]) b = tf.expand_dims(a,1) with tf.Session() as sess: a_, b_ = sess.run([a, b]) print('a:') print(a_) print('b:') print(b_)
輸出結(jié)果
a: [1 2 3] b: [[1] [2] [3]]
樣例2:
[1, 2, 3] ==> [[1,2,3]] import tensorflow as tf a = tf.constant([1, 2, 3]) b = tf.expand_dims(a, 0) with tf.Session() as sess: a_, b_ = sess.run([a, b]) print('a:') print(a_) print('b:') print(b_)
輸出結(jié)果:
a: [1 2 3] b: [[1 2 3]]
2.降低維度
樣例1:
[[1, 2, 3]] ==> [1, 2, 3] import tensorflow as tf a = tf.constant([[1, 2, 3]]) b = tf.squeeze(a) with tf.Session() as sess: a_, b_ = sess.run([a, b]) print('a:') print(a_) print('b:') print(b_)
輸出結(jié)果
a: [[1 2 3]] b: [1 2 3]
樣例2:
[[1], [2], [3]] ==> [[1, 2, 3] import tensorflow as tf a = tf.constant([[1], [2], [3]]) b = tf.squeeze(a, 1) with tf.Session() as sess: a_, b_ = sess.run([a, b]) print('a:') print(a_) print('b:') print(b_)
補(bǔ)充知識:pytorch中squeeze()、unsqueeze(),以及一些高維數(shù)組操作
博主最近閱讀YOLO底層代碼,Torch中對多數(shù)組矩陣有很多高維操作,看過一邊之后,記錄一下,以防忘記。
torch.squeeze()
功能:取消為1的維度
squeeze(input, dim=None, out=None) -> Tensor
這里一般分不清dim的意思
舉個例子:
input=(A , 1 , B , C ,1 , D) squeeze(input)=(A,B,C,D) input= (A, 1, B)
squeeze(input, 0)=(A, 1, B) 不會改變 squeeze(input, 1)=(A, B) 會改變
這里0, 1 ,2就分別代表 A, 1, B
torch.unsqueeze()
unsqueeze(input, dim, out=None) -> Tensor
功能: 在某一位置插入一維
這里面也是dim這個參數(shù)比較難理解
dim的取值是[- input.dim()-1, imput.dim()]
給定一個dim
input=(A , B , C , D)
input的維度input_dim為4, dim的取值[-5, 4]
unsqueeze(input, 0)=(1, A , B , C , D) unsqueeze(input, 1)=(A , 1, B , C , D) unsqueeze(input, -5)=(1, A , B , C , D)
看一個簡單用例,size表示維度大小,10是取值范圍,a=[:,:,:,4]表示取a最后一維的第四個元素(從0開始第四個),即取[0,0,3],[5,6,1],[0,6,8],[…], 判斷大于5為true,否則為false。
注意:b的維度比a少了一維。
繼續(xù)上一步,這里使用unsqueeze函數(shù)將b的維度擴(kuò)展一維[2,2,3]------>[2,2,3,1] 這時b的最后一維只有一個元素, .expand_as將最后最后的元素?cái)U(kuò)展到a最后一維的個數(shù)
a[c] 表示取出為True的所有行在a中的元素
以上這篇Python3 Tensorlfow:增加或者減小矩陣維度的實(shí)現(xiàn)就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關(guān)文章
Python3中在Anaconda環(huán)境下安裝basemap包
今天小編就為大家分享一篇關(guān)于Python3中在Anaconda環(huán)境下安裝basemap包的文章,小編覺得內(nèi)容挺不錯的,現(xiàn)在分享給大家,具有很好的參考價(jià)值,需要的朋友一起跟隨小編來看看吧2018-10-10TensorFlow固化模型的實(shí)現(xiàn)操作
這篇文章主要介紹了TensorFlow固化模型的實(shí)現(xiàn)操作,具有很好的參考價(jià)值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05使用python批量轉(zhuǎn)換文件編碼為UTF-8的實(shí)現(xiàn)
這篇文章主要介紹了使用python批量轉(zhuǎn)換文件編碼為UTF-8的實(shí)現(xiàn),文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-04-04PyTorch實(shí)現(xiàn)手寫數(shù)字的識別入門小白教程
這篇文章主要介紹了python實(shí)現(xiàn)手寫數(shù)字識別,非常適合小白入門學(xué)習(xí),本文通過實(shí)例圖文相結(jié)合給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2022-06-06python多進(jìn)程(加入進(jìn)程池)操作常見案例
這篇文章主要介紹了python多進(jìn)程(加入進(jìn)程池)操作,結(jié)合常見案例形式分析了Python多進(jìn)程復(fù)制文件、加入進(jìn)程池及多進(jìn)程聊天等相關(guān)操作技巧,需要的朋友可以參考下2019-10-10python計(jì)算寄送包裹重量的實(shí)現(xiàn)過程
要實(shí)現(xiàn)這樣一個需求寄送包裹小于5kg,每公斤0.5元,大于等于5kg,超出5公斤部分,按照每公斤0.8元計(jì)算,輸入重量,輸出應(yīng)付金額,下面小編給大家分享實(shí)現(xiàn)代碼,感興趣的朋友跟隨小編一起看看吧2022-02-02