有一段时间没用tensorflow了，现在跑实验还是存在一些坑了，主要是关于张量计算的问题。tensorflow升级1.0版本后与以前的版本并不兼容，可能出现各种奇奇怪怪的问题。
1 tf.concat函数
tensorflow1.0以前函数用法：tf.concat(concat_dim, values, name='concat')，第一个参数为连接的维度，可以将几个向量按指定维度连接起来。
如：
t1 = [[1, 2, 3], [4, 5, 6]] t2 = [[7, 8, 9], [10, 11, 12]] #按照第0维连接 tf.concat(0, [t1, t2]) ==> [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]] #按照第1维连接 tf.concat(1, [t1, t2]) ==> [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12]]
tf.concat的作用主要是将向量按指定维连起来，其余维度不变；而1.0版本以后，函数的用法变成：
t1 = [[1, 2, 3], [4, 5, 6]] t2 = [[7, 8, 9], [10, 11, 12]] #按照第0维连接 tf.concat( [t1, t2]，0) ==> [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]] #按照第1维连接 tf.concat([t1, t2]，1) ==> [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12]]
位置变了，需要注意。
2 tf.stack函数
用法：stack(values, axis=0, name=”stack”):
“”“Stacks a list of rank-R tensors into one rank-(R+1) tensor.
x = tf.constant([1, 4]) y = tf.constant([2, 5]) z = tf.constant([3, 6]) tf.stack([x,y,z]) ==> [[1,4],[2,5],[3,6]] tf.stack([x,y,z],axis=0) ==> [[1,4],[2,5],[3,6]] tf.stack([x,y,z],axis=1) ==> [[1, 2, 3], [4, 5, 6]]
tf.stack将一组R维张量变为R+1维张量。注意：tf.pack已经变成了tf.stack
3.tf.reshape
用法：reshape(tensor, shape, name=None):主要通过改变张量形状，可以从高维变低维，也可以从低维变高维；
a = tf.Variable(initial_value=[[1,2,3],[4,5,6]]) ==> shape:[2,3] b = tf.Variable(initial_value=[[[1,2,3],[4,5,6]],[[7,8,9],[1,0,2]]]) ==> shape:[2,2,3] a_1 = tf.reshape(a,[2,1,1,3]) ==> [[[[1,2,3]]],[[[4,5,6]]]] a_2 = tf.reshape(a,[2,1,3]) ==> [[[1,2,3]],[[4,5,6]]] b_1 = tf.reshape(b,[2,2,1,3]) ==> [[[[1,2,3]],[[4,5,6]]],[[[7,8,9]],[[1,0,2]]]] new_1 = tf.concat([b_1,a_1],1) new_2 = tf.reshape(tf.concat([b,a_2],1),[2,3,1,3]) """ new_1: [[[[1 2 3]] [[4 5 6]] [[1 2 3]]] [[[7 8 9]] [[1 0 2]] [[4 5 6]]]] new_2； [[[[1 2 3]] [[4 5 6]] [[1 2 3]]] [[[7 8 9]] [[1 0 2]] [[4 5 6]]]]
补充知识：tensorflow中的reshape(tensor,[1,-1])和reshape(tensor,[-1,1])
和python 中的reshape用法应该一样
import tensorflow as tf a = [[1,2],[3,4],[5,6]] tf.reshape(a,[-1,1]) Out[13]: <tf.Tensor 'Reshape_4:0' shape=(6, 1) dtype=int32> tf.reshape(tf.reshape(a,[-1,1]),[1,-1]) Out[14]: <tf.Tensor 'Reshape_6:0' shape=(1, 6) dtype=int32>
tf.reshape(tensor,[-1,1])将张量变为一维列向量
tf.reshape(tensor,[1,-1])将张量变为一维行向量
以上这篇浅谈tensorflow使用张量时的一些注意点tf.concat,tf.reshape,tf.stack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。
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
《魔兽世界》大逃杀！60人新游玩模式《强袭风暴》3月21日上线
暴雪近日发布了《魔兽世界》10.2.6 更新内容，新游玩模式《强袭风暴》即将于3月21 日在亚服上线，届时玩家将前往阿拉希高地展开一场 60 人大逃杀对战。
艾泽拉斯的冒险者已经征服了艾泽拉斯的大地及遥远的彼岸。他们在对抗世界上最致命的敌人时展现出过人的手腕，并且成功阻止终结宇宙等级的威胁。当他们在为即将于《魔兽世界》资料片《地心之战》中来袭的萨拉塔斯势力做战斗准备时，他们还需要在熟悉的阿拉希高地面对一个全新的敌人──那就是彼此。在《巨龙崛起》10.2.6 更新的《强袭风暴》中，玩家将会进入一个全新的海盗主题大逃杀式限时活动，其中包含极高的风险和史诗级的奖励。
《强袭风暴》不是普通的战场，作为一个独立于主游戏之外的活动，玩家可以用大逃杀的风格来体验《魔兽世界》，不分职业、不分装备（除了你在赛局中捡到的），光是技巧和战略的强弱之分就能决定出谁才是能坚持到最后的赢家。本次活动将会开放单人和双人模式，玩家在加入海盗主题的预赛大厅区域前，可以从强袭风暴角色画面新增好友。游玩游戏将可以累计名望轨迹，《巨龙崛起》和《魔兽世界：巫妖王之怒 经典版》的玩家都可以获得奖励。