一、按索引取數(shù)據(jù)

①tf.gather()

輸入?yún)?shù)：數(shù)據(jù)、維度、索引

例：設(shè)數(shù)據(jù)是[4,35,8]，4個(gè)班級(jí)，每個(gè)班級(jí)35個(gè)學(xué)生，每個(gè)學(xué)生8門課成績(jī)。

則下面In [49]的意思是，全部四個(gè)班級(jí)，每個(gè)班級(jí)取編號(hào)為2,3,7,9,16的學(xué)生，每個(gè)學(xué)生取所有8門課的成績(jī)。

②tf.gather_nd

前面輸入數(shù)據(jù)，后面填取的聯(lián)合維度。只把最內(nèi)層的括號(hào)當(dāng)做聯(lián)合索引的坐標(biāo)。???????

下面的例子，也是一樣，最內(nèi)層的中括號(hào)，是一個(gè)聯(lián)合索引。比如in56，第0個(gè)班級(jí)，第0號(hào)學(xué)生成績(jī)，以及第1號(hào)班級(jí)，第1號(hào)學(xué)生的成績(jī)。也就是每一個(gè)最內(nèi)層中括號(hào)，都是一個(gè)樣本，而里面的每一個(gè)數(shù)據(jù)，都相當(dāng)于一個(gè)特征。

③tf.boolean_mask

按布爾值索引，不指定維度相當(dāng)于是第一個(gè)維度，指定axis就會(huì)根據(jù)axis去索引。給索引矩陣也可以。

二、維度變換

①tf.reshape()

輸入?yún)?shù)：數(shù)據(jù)，希望變成的維度

②tf.transpose()

轉(zhuǎn)置，perm數(shù)字指的是數(shù)字所在位置上放哪一個(gè)原來(lái)的維度。

pytorch中圖像存儲(chǔ)維度是[b,c,h,w]，tf中是[b,h,w,c]

③tf.expand_dims()

增加維度,第一個(gè)填的是數(shù)據(jù)，第二個(gè)填的是維度，是指你希望把添加的維度作為第幾維。

④tf.squeeze()

可以去掉為1的維度。不指定維度的話就去掉所有的為1的維度。

以上就是TensorFlow人工智能學(xué)習(xí)按索引取數(shù)據(jù)及維度變換詳解的詳細(xì)內(nèi)容，更多關(guān)于TensorFlow索引維度變換的資料請(qǐng)關(guān)注服務(wù)器之家其它相關(guān)文章！

原文鏈接：https://blog.csdn.net/Swayzzu/article/details/121212492