浅谈tensorflow中张量的提取值和赋值


Posted in Python onJanuary 19, 2020

tf.gather和gather_nd从params中收集数值,tf.scatter_nd 和 tf.scatter_nd_update用updates更新某一张量。严格上说,tf.gather_nd和tf.scatter_nd_update互为逆操作。

已知数值的位置,从张量中提取数值:tf.gather, tf.gather_nd

tf.gather indices每个元素(标量)是params某个axis的索引,tf.gather_nd 中indices最后一个阶对应于索引值。

tf.gather函数

函数原型

gather(
 params,
 indices,
 validate_indices=None,
 name=None,
 axis=0
)

params是要查找的张量,indices是要查找值的索引(int32或int64),axis是查找轴,name是操作名。

如果indices是标量

浅谈tensorflow中张量的提取值和赋值

如果indices是向量

浅谈tensorflow中张量的提取值和赋值

如果indices是高阶张量

浅谈tensorflow中张量的提取值和赋值

返回值:

该函数返回值类型与params相同,具体值是从params中收集过来的,形状为

浅谈tensorflow中张量的提取值和赋值

tf.gather_nd函数

函数原型

gather_nd(
 params,
 indices,
 name=None
)

indices是K阶张量,包含K-1阶的索引值。它最后一阶是索引,最后一阶维度必须小于等于params的秩。indices最后一阶的维数等于params的秩时,我们得到params的某些元素;indices最后一阶的维数小于params的秩时,我们得到params的切片。

浅谈tensorflow中张量的提取值和赋值

输出张量的形状由indices的K-1阶和params索引到的形状拼接而成,如下面

indices.shape[:-1] + params.shape[indices.shape[-1]:]

参数:

params:被收集的张量。

indices:索引张量。必须是以下类型之一:int32,int64。

name:操作的名称(可选)。

返回值:

该函数返回一个张量.与params具有相同的类型。张量值从indices所给定的索引中收集,并且具有这样的形状:

浅谈tensorflow中张量的提取值和赋值

已知赋值的位置,向张量赋值:tf.scatter_nd, tf.scatter_nd_update

tf.scatter_nd对零张量进行赋值,tf.scatter_nd_update对已有可变的张量进行赋值。

tf.scatter_nd函数
scatter_nd(
 indices,
 updates,
 shape,
 name=None
)

创建一个形状为shape的零张量,将updates赋值到indices指定的位置。

indices是整数张量,最内部维度对应于索引。

indices.shape[-1] <= shape.rank

如果indices.shape[-1] = shape.rank,那么indices直接对应到新张量的单个元素。如果indices.shape[-1] < shape.rank,那么indices中每个元素对新张量做切片操作。updates的形状应该如下所示

indices.shape[:-1] + shape[indices.shape[-1]:]

如果我们要把形状为(4,)的updates赋值给形状为(8,)的零张量,如下图所示。

浅谈tensorflow中张量的提取值和赋值

我们需要这样子做

indices = tf.constant([[4], [3], [1], [7]])
updates = tf.constant([9, 10, 11, 12])
shape = tf.constant([8])
scatter = tf.scatter_nd(indices, updates, shape)
with tf.Session() as sess:
 print(sess.run(scatter))

我们得到这样子的张量

[0, 11, 0, 10, 9, 0, 0, 12]

上面代码中,indices的形状是(4,1),updates的形状是(4,),shape的形状是(8,)。

indices.shape[:-1]+shape[indices.shape[-1]:] = (4,)+(,)=(4,)

如果我们要在三阶张量中插入两个切片,如下图所示,则应该像下面代码里所说的那样子做。

浅谈tensorflow中张量的提取值和赋值

indices = tf.constant([[0], [2]])
updates = tf.constant([[[5, 5, 5, 5], [6, 6, 6, 6],
   [7, 7, 7, 7], [8, 8, 8, 8]],
   [[5, 5, 5, 5], [6, 6, 6, 6],
   [7, 7, 7, 7], [8, 8, 8, 8]]])
shape = tf.constant([4, 4, 4])
scatter = tf.scatter_nd(indices, updates, shape)
with tf.Session() as sess:
 print(sess.run(scatter))

indices的形状是(2,1),updates的形状是(2,4,4),shape的形状是(4,4,4)。

indices.shape[:-1]+shape[indices.shape[-1]:]=(2,)+(4,4)=(2,4,4)

我们会得到这样子的张量

[[[5, 5, 5, 5], [6, 6, 6, 6], [7, 7, 7, 7], [8, 8, 8, 8]],
 [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]],
 [[5, 5, 5, 5], [6, 6, 6, 6], [7, 7, 7, 7], [8, 8, 8, 8]],
 [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]]]

函数参数

indices:Tensor;必须是以下类型之一:int32,int64;索引值张量。

updates:Tensor;分散到输出的更新。

shape:Tensor;必须与indices具有相同的类型;1-d;得到的张量的形状。

name:操作的名称(可选)。

返回值

此函数返回一个Tensor,它与updates有相同的类型;一个有shape形状的新张量,初始化值为0,部分值根据indices用updates进行更新。

tf.scatter_nd_update函数

函数原型

scatter_nd_update(
 ref,
 indices,
 updates,
 use_locking=True,
 name=None
)

scatter_nd_update也是把updates里面的值根据indices赋值到另外一个张量中,与scatter_nd不同的是,它是赋值到ref。

ref是秩为P的张量,indices是秩为Q的张量。

indices是整数类型的张量,必须具有这样的形状浅谈tensorflow中张量的提取值和赋值

indices最内部的维度对应于ref的某个元素或切片。

updates的形状是浅谈tensorflow中张量的提取值和赋值 ,是秩为Q-1+P-K的张量。

如果我们想要把(4,)的向量赋值到(8,)的ref中,我们可以像下面这样子操作。

ref = tf.Variable([1, 2, 3, 4, 5, 6, 7, 8])
indices = tf.constant([[4], [3], [1] ,[7]])
updates = tf.constant([9, 10, 11, 12])
update = tf.scatter_nd_update(ref, indices, updates)
with tf.Session() as sess:
 print sess.run(update)

我们可以得到这样的ref

[1, 11, 3, 10, 9, 6, 7, 12]

函数参数

ref:一个可变的Tensor。

indices:一个 int32 或 int64 Tensor;一个对ref进行索引的张量.

updates:一个Tensor.必须与ref具有相同的类型;更新值张量.

use_locking:可选的bool;如果为True,则赋值将受锁定的保护;否则行为是不确定的,但可能表现出较少的争用.

name:操作的名称(可选).

返回值:

经过更新的ref。

以上这篇浅谈tensorflow中张量的提取值和赋值就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
对于Python的Django框架部署的一些建议
Apr 09 Python
通过数据库向Django模型添加字段的示例
Jul 21 Python
将Python的Django框架与认证系统整合的方法
Jul 24 Python
浅谈python中scipy.misc.logsumexp函数的运用场景
Jun 23 Python
Python实现的选择排序算法示例
Nov 29 Python
python3利用smtplib通过qq邮箱发送邮件方法示例
Dec 03 Python
对Python 语音识别框架详解
Dec 24 Python
Python饼状图的绘制实例
Jan 15 Python
DJANGO-URL反向解析REVERSE实例讲解
Oct 25 Python
Pytorch.nn.conv2d 过程验证方式(单,多通道卷积过程)
Jan 03 Python
Python 安装 virturalenv 虚拟环境的教程详解
Feb 21 Python
python单元测试之pytest的使用
Jun 07 Python
python通过安装itchat包实现微信自动回复收到的春节祝福
Jan 19 #Python
使用 Python 处理3万多条数据只要几秒钟
Jan 19 #Python
Python openpyxl模块原理及用法解析
Jan 19 #Python
Python imutils 填充图片周边为黑色的实现
Jan 19 #Python
python opencv 实现对图像边缘扩充
Jan 19 #Python
python给图像加上mask,并提取mask区域实例
Jan 19 #Python
python实现在一个画布上画多个子图
Jan 19 #Python
You might like
10个超级有用值得收藏的PHP代码片段
2015/01/22 PHP
Gambit vs ForZe BO3 第一场 2.13
2021/03/10 DOTA
javascript打印大全(打印页面设置/打印预览代码)
2013/03/29 Javascript
JQueryEasyUI datagrid框架的进阶使用
2013/04/08 Javascript
jquery选择器、属性设置用法经验总结
2013/09/08 Javascript
jQuery+css3实现Ajax点击后动态删除功能的方法
2015/08/10 Javascript
jquery.mousewheel实现整屏翻屏效果
2015/08/30 Javascript
Spring mvc 接收json对象
2015/12/10 Javascript
基于JavaScript实现智能右键菜单
2016/03/02 Javascript
javaScript中的原型解析【推荐】
2016/05/05 Javascript
浅谈JavaScript的push(),pop(),concat()方法
2016/06/03 Javascript
indexedDB bootstrap angularjs之 MVC DOMO (应用示例)
2016/06/20 Javascript
浅谈JavaScript事件绑定的常用方法及其优缺点分析
2016/11/01 Javascript
jquery组件WebUploader文件上传用法详解
2020/10/23 Javascript
微信小程序如何获知用户运行小程序的场景教程
2017/05/17 Javascript
Vue组件通信实践记录(推荐)
2017/08/15 Javascript
Node 自动化部署的方法
2017/10/17 Javascript
JavaScript实现二叉树定义、遍历及查找的方法详解
2017/12/20 Javascript
JavaScript实现连连看连线算法
2019/01/05 Javascript
Vue实现表格批量审核功能实例代码
2019/05/28 Javascript
使用Taro实现小程序商城的购物车功能模块的实例代码
2020/06/05 Javascript
Vue中关闭弹窗组件时销毁并隐藏操作
2020/09/01 Javascript
Vue仿百度搜索功能
2020/12/28 Vue.js
python实现百度关键词排名查询
2014/03/30 Python
解决Python内层for循环如何break出外层的循环的问题
2019/06/24 Python
Django中间件拦截未登录url实例详解
2019/09/03 Python
利用Python代码实现一键抠背景功能
2019/12/29 Python
python删除文件、清空目录的实现方法
2020/09/23 Python
什么是虚拟内存?虚拟内存有什么优势?
2016/02/09 面试题
安全宣传标语
2014/06/10 职场文书
民族学专业职业生涯规划范文:积跬步以至千里
2014/09/11 职场文书
事业单位人员的自我评价范文
2014/09/21 职场文书
党委领导班子整改方案
2014/09/30 职场文书
四年级数学上册教学计划
2015/01/20 职场文书
python 中[0]*2与0*2的区别说明
2021/05/10 Python
python中的plt.cm.Paired用法说明
2021/05/31 Python