TensorFlow数据合并、分割、统计

TensorFlow数据合并、分割、统计

目录

一、数据合并与分割

1.tf.concat()

2.tf.split()

3.tf.stack()

二、数据统计

1.tf.norm()

2.reduce_min/max/mean()

3.tf.argmax/argmin()

4.tf.equal()

5.tf.unique()

---

一、数据合并与分割 1.tf.concat()

填入两个tensor,  指定某维度，在指定的维度合并。除了合并的维度之外，其他的维度必须相等。

2.tf.split()

填入tensor，指定维度，指定分割的数量。例如原数据维度是[2,4,35,8]，当分割数量指定为2，维度是最后一维时，会分割成两个tensor，维度均是[2,4,35,4]。分割的维度，也可以直接指定数量及维度。比如指定为[2,2,4]，则会分成三个tensor，最后一个维度分别是2,2,4。

3.tf.stack()

该方法会创造新的维度。要求两个合并的数据维度全部一样，在哪个维度合并，就会在哪个维度前面产生一个新维度，可以根据这个维度进行选择。

二、数据统计

注意：tf中指定维度的时候，就是把指定的维度上的内容进行 *** 作，保留剩下的维度。

比如(2,3)，求范数，如果指定axis=1，也就是列，那就是说，使用列上的3个数据，去求范数。得到的就是2维向量。也就是，指定了哪个维度，就会消去哪个维度。

1.tf.norm()

求范数，如果不指定几范数就是二范数。

指定ord=1就是1范数。可以指定维度，就是把指定的维度上的内容求范数，保留剩下的维度。

比如(2,3)，如果指定axis=1，也就是列，那就是说，使用列上的3个数据，去求范数。得到的就是2维向量。也就是，指定了哪个维度，就会消去哪个维度。

2.reduce_min/max/mean()

求数据的最小值、最大值、均值。这里有一个reduce，意思是提醒我们维度会降低。

3.tf.argmax/argmin()

返回最大值、最小值的索引，如果不指定维度，那就是默认把第0维的求出来。

4.tf.equal()

填入两个tensor，形状需要一样，返回一样形状的布尔tensor，可以通过先转换成整型（1,0），再累加的方式，求得两个tensor中相同数据的数量。

5.tf.unique()

和numpy中的unique一样。