标签：张量 笔记 print shape 杂记 split tf input tf2
tf2杂记
tf.shape()
关于python函数中shape的解释：
shape包含在numpy库，是矩阵（ndarray）的属性，可以获取矩阵的形状（例如二维数组的行列），获取的结果是一个元组，因此相关代码如下：
import numpy as np
x = np.array([[1,2，3,4，5],[6,7，8,9，10],[10,9，8,7，6],[5,4，3]])
#输出数组的行和列数
print x.shape #结果： (4, 5)
#只输出行数
print x.shape[0] #结果： 4
#只输出列数
print x.shape[1] #结果： 5
————————————————
原文链接：https://blog.csdn.net/weixin_44804700/article/details/98874358
tf.split()
返回值是一个列表
tf.split(
value,
num_or_size_splits,
axis=0,
num=None,
name='split'
)
这个函数是用来切割张量的。输入切割的张量和参数，返回切割的结果。
value传入的就是需要切割的张量。
这个函数有两种切割的方式：
以三个维度的张量为例，比如说一个20 * 30 * 40的张量my_tensor，就如同一个长20厘米宽30厘米高40厘米的蛋糕，每立方厘米都是一个分量。
有两种切割方式：
- 如果num_or_size_splits传入的是一个整数，这个整数代表这个张量最后会被切成几个小张量。此时，传入
axis的数值就代表切割哪个维度（从0开始计数）。调用tf.split(my_tensor, 2，0)返回两个10 * 30 * 40的小张量。 - 如果num_or_size_splits传入的是一个向量，那么向量有几个分量就分成几份，切割的维度还是由axis决定。比如调用tf.split(my_tensor, [10, 5, 25], 2)，则返回三个张量分别大小为 20 * 30 * 10、20 * 30 * 5、20 * 30 * 25。很显然，传入的这个向量各个分量加和必须等于axis所指示原张量维度的大小 (10 + 5 + 25 = 40)。
————————————————
原文链接：https://blog.csdn.net/wangxuecheng666/article/details/112118065
ZeroPadding2D
参考连接：https://www.cnblogs.com/LGJC1314/p/13403811.html
init(
padding=(1, 1),
data_format=None,
**kwargs
)
inp = np.random.randint(1,9,(2,2))
print(inp)
padding 为一个整数n 上下左右各补n个0
x = ZeroPadding2D(1)(input)
out = tf.keras.models.Model(input, x)(inp)
tf.print(tf.squeeze(out))
padding 为一维元祖(n, m)上下补n个0 左右补m个
x = ZeroPadding2D((1,0))(input)
out = tf.keras.models.Model(input, x)(inp)
tf.print(tf.squeeze(out))
padding 为二维元祖((n, m), (x, y))上补n个0 下补m个 左补x个0 右补y个0
x = ZeroPadding2D(((1,0), (1, 0)))(input)
out = tf.keras.models.Model(input, x)(inp)
tf.print(tf.squeeze(out))
SAME与VALID区别
卷积后大小计算
标签：张量,笔记,print,shape,杂记,split,tf,input,tf2 来源： https://blog.csdn.net/qq_45723275/article/details/122874308
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。