【译】Effective TensorFlow Chapter2——理解静态和动态形状

栏目: 数据库 · 发布时间: 6年前

内容简介:本文翻译自:TensorFlow中的张量具有静态形状属性,该属性在图形构造期间确定。静态形状可能未指定。例如,我们可以定义一个形状张量[None,128]:这意味着第一个维度可以是任何大小,并将在

本文翻译自:  《TensorFlow Basics》 , 如有侵权请联系删除,仅限于学术交流,请勿商用。如有谬误,请联系指出。

TensorFlow中的张量具有静态形状属性,该属性在图形构造期间确定。静态形状可能未指定。例如,我们可以定义一个形状张量[None,128]:

import tensorflow as tf
a = tf.placeholder(tf.float32, [None, 128])
复制代码

这意味着第一个维度可以是任何大小,并将在 Session.run() 期间动态确定。您可以按如下方式查询Tensor的静态形状:

static_shape = a.shape.as_list()  # returns [None, 128]
复制代码

要获得张量的动态形状,可以调用 tf.shape 方法,它返回一个给定张量代表的形状:

dynamic_shape = tf.shape(a)
复制代码

可以使用 Tensor.set_shape() 方法设置张量的静态形状:

a.set_shape([32, 128])  # static shape of a is [32, 128]
a.set_shape([None, 128])  # first dimension of a is determined dynamically
复制代码

您可以使用 tf.reshape 函数动态重塑给定的张量:

a =  tf.reshape(a, [32, 128])
复制代码

一个在可用时返回静态形状,不可用时返回动态形状的函数会很方便。一个比较好的程序实现如下:

def get_shape(tensor):
  static_shape = tensor.shape.as_list()
  dynamic_shape = tf.unstack(tf.shape(tensor))
  dims = [s[1] if s[0] is None else s[0]
          for s in zip(static_shape, dynamic_shape)]
  return dims
复制代码

现在假设我们想通过将第二维和第三维折叠成一个来将三维张量转换为二维张量。我们可以使用 get_shape() 函数来做到这一点:

b = tf.placeholder(tf.float32, [None, 10, 32])
shape = get_shape(b)
b = tf.reshape(b, [shape[0], shape[1] * shape[2]])
复制代码

值得注意的是,无论形状是否静态指定,这都有效。

事实上,我们可以编写一个通用的 reshape() 函数来折叠任何维度列表:

import tensorflow as tf
import numpy as np

def reshape(tensor, dims_list):
  shape = get_shape(tensor)
  dims_prod = []
  for dims in dims_list:
    if isinstance(dims, int):
      dims_prod.append(shape[dims])
    elif all([isinstance(shape[d], int) for d in dims]):
      dims_prod.append(np.prod([shape[d] for d in dims]))
    else:
      dims_prod.append(tf.prod([shape[d] for d in dims]))
  tensor = tf.reshape(tensor, dims_prod)
  return tensor
复制代码

然后折叠第二个维度就会变得非常容易:

b = tf.placeholder(tf.float32, [None, 10, 32])
b = reshape(b, [0, [1, 2]])
复制代码

以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

离散数学及其应用(英文版·第5版)

离散数学及其应用(英文版·第5版)

Kenneth H.Rosen / 机械工业出版社 / 2003 / 79.00元

本书第4版是全球500多所大学的指之一教材,获得了极大的成功。中文版也已被国内大学广泛有用为教材。第5版在前四版的基础上做了大量的改进,使其成为更有效的教学工具。   本书可作为1至2个学期的离散数学课入门教材,适用于数学、计算机科学、工程等专业的学生。一起来看看 《离散数学及其应用(英文版·第5版)》 这本书的介绍吧!

在线进制转换器
在线进制转换器

各进制数互转换器

随机密码生成器
随机密码生成器

多种字符组合密码

UNIX 时间戳转换
UNIX 时间戳转换

UNIX 时间戳转换