一、數(shù)據(jù)合并與分割

1.tf.concat()

填入兩個tensor, 指定某維度，在指定的維度合并。除了合并的維度之外，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(shù)量。例如原數(shù)據(jù)維度是[2,4,35,8]，當(dāng)分割數(shù)量指定為2，維度是最后一維時，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(shù)量及維度。比如指定為[2,2,4]，則會分成三個tensor，最后一個維度分別是2,2,4。

3.tf.stack()

該方法會創(chuàng)造新的維度。要求兩個合并的數(shù)據(jù)維度全部一樣，在哪個維度合并，就會在哪個維度前面產(chǎn)生一個新維度，可以根據(jù)這個維度進(jìn)行選擇。

二、數(shù)據(jù)統(tǒng)計

注意：tf中指定維度的時候，就是把指定的維度上的內(nèi)容進(jìn)行操作，保留剩下的維度。

比如(2,3)，求范數(shù)，如果指定axis=1，也就是列，那就是說，使用列上的3個數(shù)據(jù)，去求范數(shù)。得到的就是2維向量。也就是，指定了哪個維度，就會消去哪個維度。

1.tf.norm()

求范數(shù)，如果不指定幾范數(shù)就是二范數(shù)。

指定ord=1就是1范數(shù)?？梢灾付ňS度，就是把指定的維度上的內(nèi)容求范數(shù)，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(shù)據(jù)，去求范數(shù)。得到的就是2維向量。也就是，指定了哪個維度，就會消去哪個維度。

2.reduce_min/max/mean()

求數(shù)據(jù)的最小值、最大值、均值。這里有一個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(rèn)把第0維的求出來。

4.tf.equal()

填入兩個tensor，形狀需要一樣，返回一樣形狀的布爾tensor，可以通過先轉(zhuǎn)換成整型（1,0），再累加的方式，求得兩個tensor中相同數(shù)據(jù)的數(shù)量。

5.tf.unique()

和numpy中的unique一樣。

以上就是TensorFlow人工智能學(xué)習(xí)數(shù)據(jù)合并分割統(tǒng)計示例詳解的詳細(xì)內(nèi)容，更多關(guān)于TensorFlow數(shù)據(jù)合并分割統(tǒng)計的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論