tensorflow 基本函數(1.tf.split, 2.tf.concat,3.tf.squeeze, 4.tf.less_equal, 5.tf.where, 6.tf.gather, 7...

1.  tf.split(3, group, input)  # 拆分函數
    3 表示的是在第三個維度上， group表示拆分的次數， input 表示輸入的值

import tensorflow as tf import numpy as np x = [[1, 2], [3, 4]] Y = tf.split(axis=1, num_or_size_splits=2, value=x) sess = tf.Session() for y in Y: print(sess.run(y))

 

2.  tf.concat(3, input) # 串接函數
    3 表示的是在第三個維度上， input表示的是輸入，輸入通常都是列表

import tensorflow as tf x = [[1, 2], [3, 4]] y = tf.concat(x, axis=0) sess = tf.Session() print(sess.run(y))

3. tf.squeeze(input, squeeze_dims=[1, 2]) # 表示的是去除列數爲1的維度， squeeze_dim 指定維度

import tensorflow as tf import numpy as np x = [[1, 2]] print(np.array(x).shape) y = tf.squeeze(x, axis=[0]) sess = tf.Session() print(sess.run(y))

4. tf.less_equal(a, b)  a 能夠是一個列表， b表示須要比較的數，若是比b大返回false，否者返回True

import tensorflow as tf import numpy as np raw_gt = [1, 2, 3, 4] y = tf.where(tf.less_equal(raw_gt, 2)) sess = tf.Session() print(sess.run(y))

5.tf.where(input)   # 返回是真的序號，經過tf.where找出小於等於2的數的序號

import tensorflow as tf import numpy as np raw_gt = [1, 2, 3, 4] y = tf.where(tf.less_equal(raw_gt, 2)) sess = tf.Session() print(sess.run(y))

6. tf.gather   # 根據序列號對數據進行取值,輸入的是input， index

import tensorflow as tf import numpy as np raw_gt = [3, 4, 5, 6] y = tf.gather(raw_gt, [[0], [1]]) sess = tf.Session() print(sess.run(y))

 7. tf.cast(input, tf.float32)  # 主要目的是進行數值類型轉換

import tensorflow as tf import numpy as np raw_gt = [3.0, 4.0, 5.0, 6.0] y = tf.cast(raw_gt, tf.int32) sess = tf.Session() print(sess.run(y))

8. tf.expand_dims(input, axis=1) # 進行矩陣維度的擴增

import tensorflow as tf import numpy as np raw_gt = [3.0, 4.0, 5.0, 6.0] y = tf.expand_dims(raw_gt, axis=1) sess = tf.Session() print(sess.run(tf.shape(y)))

9. tf.argmax(input, axis=1)  根據維度找出這個維度下的最大值的序號， axis=0 表示找出每一行中的最大值， axis=1，表示找出每一列的最大值

import tensorflow as tf import numpy as np raw_gt = [[3.0, 4.0], [5.0, 3]] y = tf.argmax(raw_gt, axis=1) sess = tf.Session() print(sess.run(y))

 1o. tf.reshape(input, shape)  # tf.reshape主要用於數據的shape從新組合

import tensorflow as tf import numpy as np a = [[1, 2], [3, 4]] y = tf.reshape(a, [-1, 4]) sess = tf.Session() print(sess.run(y))

 11. tf.stack(input， axis)   # 進行數據的拼接，爲了去除一個維度

import tensorflow as tf distort_left_right_random = tf.random_uniform([1], 0, 1.0, dtype=tf.float32)[0] mirror = tf.less(tf.stack([1.0, 0.8, 1.0]), 0.5) sess = tf.Session() print(sess.run(mirror)) mirror = tf.boolean_mask([0, 1, 2], mirror) sess = tf.Session() print(sess.run(mirror))

12.tf.less(a, b)  # 若是a小於b返回True

13.tf.boolean_mask # 找出數據中是True的位置

mirror = tf.boolean_mask([0, 1, 2], [True, False, False]) sess = tf.Session() print(sess.run(mirror))

 13 tf.slice # 根據給出的起始位置進行數據的抽取

# tf.slice # import tensorflow as tf # import numpy as np # x=[[1,2,3],[4,5,6]] # y=np.arange(24).reshape([2,3,4]) # z=tf.constant([[[1,2,3],[4,5,6]], [[7,8,9],[10,11,12]], [[13,14,15],[16,17,18]]]) # sess=tf.Session() # begin_x=[1,0] #第一個1，決定了從x的第二行[4,5,6]開始，第二個0，決定了從[4,5,6] 中的4開始抽取 # size_x=[1,2] # 第一個1決定了，從第二行以起始位置抽取1行，也就是隻抽取[4,5,6] 這一行，在這一行中從4開始抽取2個元素 # out=tf.slice(x,begin_x,size_x) # print(sess.run(out))

14 .tf.reduce_sum(input) 表示將全部的進行相加

 

15 .tf.gfile.MakeDirs(train_dir)  # 根據train_dir建立文件夾

import tensorflow as tf train_dir = 'make/' tf.gfile.MakeDirs(train_dir)

 

16. tf.gfile.IsDirectory(train_dir)   # 判斷是不是文件夾

if tf.gfile.IsDirectory(train_dir): print('1') else: print('0')

 

17.tf.transpose(input, [1, 0]) # 表示將第一維的大小與第二維度進行調換

import tensorflow as tf import numpy as np x = [[1, 2, 3, 4], [1, 2, 4, 3]] print(np.shape(x)) sess = tf.Session() # 進行維度的變化,perm表示將第一二維度轉換爲第一個維度
print(sess.run(tf.transpose(x, perm=[1, 0])))