浅谈TensorFlow之稀疏张量表示


Posted in Python onJune 30, 2020

对于多维的稀疏数据,TensorFlow 支持 SparseTensor 表示。

官方文档地址:https://tensorflow.google.cn/api_guides/python/sparse_ops

构造稀疏张量

SparseTensor(indices, values, dense_shape)

indices是一个维度为(n, ndims)的2-D int64张量,指定非零元素的位置。比如indices=[[1,3], [2,4]]表示[1,3]和[2,4]位置的元素为非零元素。n表示非零元素的个数,ndims表示构造的稀疏张量的维数。

values是一个维度为(N)的1-D张量,对应indices所指位置的元素值。

dense_shape是一个维度为(ndims)的1-D张量,代表稀疏张量的维度。

tf.SparseTensor(indices=[[0, 0], [1, 2]], values=[1, 2], dense_shape=[3, 4])
>>
[[1, 0, 0, 0]
 [0, 0, 2, 0]
 [0, 0, 0, 0]]

转换

将稀疏张量转为普通矩阵。

tf.sparse_to_dense(
sparse_indices,
output_shape,
sparse_values,
default_value=0,
validate_indices=True,
name=None
)

sparse_indices是那些非零元素的位置。

sparse_indices是实数,该矩阵为一维矩阵,指定一维矩阵的某一个元素位置

sparse_indices是向量,该矩阵为一维矩阵,指定一维矩阵的多个元素

sparse_indices是二维矩阵,该矩阵为多维矩阵,指定多维矩阵的多个元素。

output_shape是矩阵的维度。

sparse_value是对应sparse_indices所指位置的元素值。

default_value是未指定元素的默认值,一般为0。

import tensorflow as tf 

mysparse_indices = tf.constant(5)
mymatrix = tf.sparse_to_dense(mysparse_indices, [11], 10)
with tf.Session() as sess:
  result = sess.run(mymatrix)
  print(result)

//[0 0 0 0 0 10 0 0 0 0 0]

SparseTensor和SparseTensorValue

两者的参数相同。

在计算图中定义稀疏张量时,使用SparseTensor;在feed数据时使用SparseTensorValue。

补充知识:彻底搞懂tensorflow里的张量(tensor)

1.引言

学习卷积神经网络(CNN)的时候,最重要的就是搞清楚网络各层的神经元输入输出的数据结构(即张量)。如果仅用线性代数所学的矩阵,向量来理解张量,一定会搞得一头雾水。因此很有必要搞清楚张量是什么东西。

首先明确:张量最主要的两个参数: rank(阶,或维数)、shape(形状)

2.什么是张量

下图是张量的直观的示意:张量是标量、向量、矩阵的集合和推广。

浅谈TensorFlow之稀疏张量表示

3.什么是rank

rank 数学实例 Python 例子
0 纯数字(只有大小) s=352
1 向量(1个基本向量) v = [1.1, 2.2, 3.3]
2 矩阵(两个基本向量) m = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
3 数据立体(3个基本向量) t = [ [[2], [4], [6]] , [[8], [10], [12]] , [[14], [16], [18]] ]
n n个基本向量

可以发现:可以数括号[ ]的层数来确定张量的维数(阶)

什么是基本向量

基本向量(basis vector):几个basis vector就是从几个方面来描述一组数据。

举例说明:

一维张量:概念和向量完全一样。图中的白线就是一个向量,当然了,在三维空间向量有三个分向量(分别是x方向、y方向、z方向)

浅谈TensorFlow之稀疏张量表示

二维张量:对下面这个长方形施加一个力,怎么来描述?

我们把可以把这个长方形就xoy、xoz、yoz三个平面截下来,之后在每一个平面上再分析受力情况。

两个basis vector出来了:一个用来描述截面方向(这是一个三维向量);另一个用来描述此截面的受力情况(当然这也是一个三维向量)

浅谈TensorFlow之稀疏张量表示

那么我们可以用作用在yoz平面(此平面的法向量是x轴单位向量),受力的x轴分量用Pxx来表示,以此推广到含有9个元素的矩阵,这就是一个2维张量。

换句话来解释:在一个三维空间,我们从2个基本向量来描述一个东西,那么这个张量所含有的元素个数应该是3的2次方等于9个。每个元素能得到2个基本向量的注释。这就是一个2维的张量

浅谈TensorFlow之稀疏张量表示

三维张量:

继续推广,每个元素有三个基本向量注释。三维的张量形状就像是叠起来的矩阵。

浅谈TensorFlow之稀疏张量表示

最后品一品这句话

浅谈TensorFlow之稀疏张量表示

4.什么是shape

shape指明每一层有多少个元素。

比如[2,3,4]是指第一层2个元素,第二层3个元素,第三层4个元素,通过这个我们就可以知道这个张量一共有2 × 3 × 4=24 个元素。而且它有3层,因此可以知道这个张量的rank=3

注意:读取元素,从外括号往内括号读

下面这个代码也能说明问题。

import tensorflow as tf
# 定义了一个张量,有6个元素,设置他的形状是[2.3]
a = tf.constant([1, 2, 3, 4, 5, 6], shape=[2,3])
with tf.Session() as session:
  print(session.run(a))

打印的结果是

[[1 2 3] [4 5 6]]

以上这篇浅谈TensorFlow之稀疏张量表示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
python中list列表的高级函数
May 17 Python
Python加密方法小结【md5,base64,sha1】
Jul 13 Python
python发送邮件脚本
May 22 Python
Python openpyxl 遍历所有sheet 查找特定字符串的方法
Dec 10 Python
python使用MQTT给硬件传输图片的实现方法
May 05 Python
python用线性回归预测股票价格的实现代码
Sep 04 Python
vscode 配置 python3开发环境的方法
Sep 19 Python
python实现输入的数据在地图上生成热力图效果
Dec 06 Python
通过实例了解python__slots__使用方法
Sep 14 Python
python装饰器实现对异常代码出现进行自动监控的实现方法
Sep 15 Python
Python字典取键、值对的方法步骤
Sep 30 Python
python flask框架快速入门
May 14 Python
tensorflow图像裁剪进行数据增强操作
Jun 30 #Python
浅谈tensorflow 中的图片读取和裁剪方式
Jun 30 #Python
Python openpyxl模块实现excel读写操作
Jun 30 #Python
tensorflow下的图片标准化函数per_image_standardization用法
Jun 30 #Python
Python的控制结构之For、While、If循环问题
Jun 30 #Python
关于tensorflow softmax函数用法解析
Jun 30 #Python
基于tensorflow for循环 while循环案例
Jun 30 #Python
You might like
php上传、管理照片示例
2006/10/09 PHP
浅谈PHP中Stream(流)
2015/06/08 PHP
在CentOS上搭建LAMP+vsftpd环境的简单指南
2015/08/01 PHP
php学习笔记之字符串常见操作总结
2019/07/16 PHP
在Javascript中定义对象类别
2006/12/22 Javascript
JavaScript国旗变换效果代码
2008/08/13 Javascript
推荐20家国外的脚本下载网站
2011/04/28 Javascript
JS控制文本框textarea输入字数限制的方法
2013/06/17 Javascript
jquery插件推荐浏览器嗅探userAgent
2014/11/09 Javascript
浅谈Node.js中的定时器
2015/06/18 Javascript
详解JavaScript中的客户端消息框架设计原理
2015/06/24 Javascript
Eclipse引入jquery报错如何解决
2015/12/01 Javascript
jquery ezUI 双击行记录弹窗查看明细的实现方法
2016/06/01 Javascript
JS回调函数基本定义与用法实例分析
2017/05/24 Javascript
浅谈vue中使用图片懒加载vue-lazyload插件详细指南
2017/10/23 Javascript
jQuery+CSS实现的table表格行列转置功能示例
2018/01/08 jQuery
浅谈react性能优化的方法
2018/09/05 Javascript
Vue函数式组件的应用实例详解
2019/08/30 Javascript
JavaScript适配器模式原理与用法实例详解
2020/03/09 Javascript
如何在vue中使用jointjs过程解析
2020/05/29 Javascript
[01:21]DOTA2新纪元-7.0新版本即将开启!
2016/12/11 DOTA
[05:46]2018完美盛典-《同梦共竞》
2018/12/17 DOTA
Python编程深度学习绘图库之matplotlib
2018/12/28 Python
matplotlib制作雷达图报错ValueError的实现
2021/01/05 Python
建筑专业自荐信
2013/10/18 职场文书
餐饮业创业计划书范文
2014/01/06 职场文书
九年级家长会邀请函
2014/01/15 职场文书
实验教师岗位职责
2014/02/13 职场文书
乒乓球兴趣小组活动总结
2014/07/08 职场文书
地质工程专业毕业生求职信
2014/08/08 职场文书
党员十八大心得体会
2014/09/12 职场文书
异地恋情人节寄语
2015/02/28 职场文书
财务会计求职信范文
2015/03/20 职场文书
承诺书怎么写 ?
2019/04/16 职场文书
创业计划书之寿司
2019/07/19 职场文书
python 批量压缩图片的脚本
2021/06/02 Python