前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >tensorflow | 维度转换

tensorflow | 维度转换

作者头像
努力在北京混出人样
发布2019-02-18 17:50:55
5600
发布2019-02-18 17:50:55
举报
文章被收录于专栏:祥子的故事祥子的故事

学习维度转换

shape 计算维度

tf.shape(input,name = None)

案例1

a = tf.constant([i for i in range(20)],shape =[2,2,5])
with tf.Session() as sess:
    print (sess.run(tf.shape(a)))

结果:[2 2 5]

size 计算元素个数

tf.size(input,name = None)

案例2

a = tf.constant([i for i in range(20)],shape =[2,2,5])
with tf.Session() as sess:
    print (sess.run(tf.size(a)))

结果:20

rank 计算秩

tf.rank(input, name=None)

案例3

a = tf.constant([i for i in range(20)],shape =[2,2,5])
with tf.Session() as sess:
    print (sess.run(tf.rank(a)))

结果 : 3

reshape重新的规则排列

tf.reshape(tensor, shape, name=None)

案例4

a = tf.constant([i for i in range(20)],shape =[2,2,5])
with tf.Session() as sess:
    print (sess.run(tf.reshape(a,shape = [5,2,2])))

原始的数据

这里写图片描述
这里写图片描述

结果:

这里写图片描述
这里写图片描述

squeeze

没理解,等理解了再来更新。

tf.squeeze(input, squeeze_dims=None, name=None)

expand_dims

没理解,等理解了再来更新。

tf.expand_dims(input, dim, name=None)
本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2017年12月20日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • shape 计算维度
    • 案例1
    • size 计算元素个数
      • 案例2
      • rank 计算秩
        • 案例3
        • reshape重新的规则排列
          • 案例4
          • squeeze
          • expand_dims
          领券
          问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档