亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

Tensorflow tf.tile()的用法實例分析

 更新時間:2020年05月22日 11:08:22   作者:星夜孤帆  
這篇文章主要介紹了Tensorflow tf.tile()的用法實例分析,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧

tf.tile()應(yīng)用于需要張量擴展的場景,具體說來就是:

如果現(xiàn)有一個形狀如[width, height]的張量,需要得到一個基于原張量的,形狀如[batch_size,width,height]的張量,其中每一個batch的內(nèi)容都和原張量一模一樣。tf.tile使用方法如:

tile(
  input,
  multiples,
  name=None
)
import tensorflow as tf
a = tf.constant([7,19])
a1 = tf.tile(a,multiples=[3]) #第一個維度擴充3遍
b = tf.constant([[4,5],[3,5]])
b1 = tf.tile(b,multiples=[2,3])#第一個維度擴充2遍,第二個維度擴充3遍
with tf.Session() as sess:
  print(sess.run(a))
  print(sess.run(a1))
  print(sess.run(b))
  print(sess.run(b1))

補充知識:tf.tile() 和 tf.contrib.seq2seq.tile_batch()

簡單介紹這兩個函數(shù)的基本用法, 以及區(qū)別. 以及在 BeamSearch 的時候用哪個?

# 將input的某一維度復(fù)制多少次, len(input.shape()) 等于 len(multiples)
# tf.tile(input, multiples, name=None)
t = tf.constant([[1, 1, 1, 9], [2, 2, 2, 9], [7, 7, 7, 9]])
# 第一維度和第二維度都保持不變
z0 = tf.tile(t, multiples=[1, 1])
# 第1維度不變, 第二維度復(fù)制為2份
z1 = tf.tile(t, multiples=[1, 2])
# 第1維度復(fù)制為兩份, 第二維度不變
z2 = tf.tile(t, multiples=[2, 1])
# tf.contrib.seq2seq.tile_batch(encoder_outputs, multiplier=self.beam_size)
encoder_outputs = tf.constant([[[1, 3, 1], [2, 3, 2]], [[2, 3, 4], [2, 3, 2]]])
print(encoder_outputs.get_shape()) # (2, 2, 3)
# 將batch內(nèi)的每個樣本復(fù)制3次, tile_batch() 的第2個參數(shù)是一個 int 類型數(shù)據(jù)
z4 = tf.contrib.seq2seq.tile_batch(encoder_outputs, multiplier=3)

with tf.Session() as sess:
  print(sess.run(z0))
  print(sess.run(z1))
  print(sess.run(z2))
 輸出: 
 [[1 1 1 9]
 [2 2 2 9]
 [7 7 7 9]]
 
[[1 1 1 9 1 1 1 9]
 [2 2 2 9 2 2 2 9]
 [7 7 7 9 7 7 7 9]]
 
[[1 1 1 9]
 [2 2 2 9]
 [7 7 7 9]
 [1 1 1 9]
 [2 2 2 9]
 [7 7 7 9]]
 
[[[1 3 1]
 [2 3 2]]

 [[1 3 1]
 [2 3 2]]

 [[1 3 1]
 [2 3 2]]

 [[2 3 4]
 [2 3 2]]

 [[2 3 4]
 [2 3 2]]

 [[2 3 4]
 [2 3 2]]]

以上這篇Tensorflow tf.tile()的用法實例分析就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。

相關(guān)文章

  • Python實現(xiàn)爬取騰訊招聘網(wǎng)崗位信息

    Python實現(xiàn)爬取騰訊招聘網(wǎng)崗位信息

    這篇文章主要介紹了如何用python爬取騰訊招聘網(wǎng)崗位信息保存到表格,并做成簡單可視化。文中的示例代碼對學(xué)習(xí)Python有一定的幫助,感興趣的可以了解一下
    2022-01-01
  • Python包管理工具pip的15 個使用小技巧

    Python包管理工具pip的15 個使用小技巧

    python的大多數(shù)擴展包,都可以使用pip來自動安裝。所以pip還是有很多小技巧的。這篇文章主要給大家介紹了關(guān)于Python包管理工具pip的15 個使用小技巧,需要的朋友可以參考下
    2021-05-05
  • Python流式游標與緩存式(默認)游標的那些坑及解決

    Python流式游標與緩存式(默認)游標的那些坑及解決

    這篇文章主要介紹了Python流式游標與緩存式(默認)游標的那些坑及解決,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教
    2024-07-07
  • python庫使用Fire庫生成命令行參數(shù)

    python庫使用Fire庫生成命令行參數(shù)

    Python Fire是一個開源庫,能把Python對象轉(zhuǎn)換為命令行界面,F(xiàn)ire庫是一個非常有用的工具,它可以幫助開發(fā)人員創(chuàng)建命令行界面,并且可以將任何Python對象轉(zhuǎn)換為命令行界面,這篇文章主要介紹了python庫使用Fire庫生成命令行參數(shù),需要的朋友可以參考下
    2024-02-02
  • pytorch中nn.Sequential和nn.Module的區(qū)別與選擇方案

    pytorch中nn.Sequential和nn.Module的區(qū)別與選擇方案

    在 PyTorch 中,構(gòu)建神經(jīng)網(wǎng)絡(luò)模型有兩種主要方式:nn.Sequential 和 nn.Module,它們各有優(yōu)缺點,適用于不同的場景,下面通過示例給大家講解pytorch中nn.Sequential和nn.Module的區(qū)別與選擇方案,感興趣的朋友一起看看吧
    2024-06-06
  • 在python中求分布函數(shù)相關(guān)的包實例

    在python中求分布函數(shù)相關(guān)的包實例

    這篇文章主要介紹了在python中求分布函數(shù)相關(guān)的包實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-04-04
  • APPium+Python編寫真機移動端自動化腳本的項目實踐

    APPium+Python編寫真機移動端自動化腳本的項目實踐

    本文主要介紹了APPium+Python編寫真機移動端自動化腳本的項目實踐,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2022-07-07
  • Python+selenium實現(xiàn)自動循環(huán)扔QQ郵箱漂流瓶

    Python+selenium實現(xiàn)自動循環(huán)扔QQ郵箱漂流瓶

    這篇文章主要為大家詳細介紹了Python+selenium實現(xiàn)自動循環(huán)扔QQ郵箱漂流瓶,文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2018-05-05
  • 用python對oracle進行簡單性能測試

    用python對oracle進行簡單性能測試

    這篇文章主要介紹了用python對oracle進行簡單性能測試的示例,幫助大家更好的理解和使用python,感興趣的朋友可以了解下
    2020-12-12
  • python+opencv實現(xiàn)堆疊圖片

    python+opencv實現(xiàn)堆疊圖片

    這篇文章主要為大家詳細介紹了python+opencv實現(xiàn)堆疊圖片,文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2022-04-04

最新評論