Tensorflow Funstions for Tensor Operations

Posted on | Edited on | In , | Comments: | Views:
Tensorflow中一些简单的张量运算函数

形状相关 Tensor Shape

tf.reshape

1
2
3
4
5
tf.reshape(
    tensor,
    shape,
    name=None
)

给定一个tensor，该函数返回一个与输入tensor具有相同值且形状为shape的张量。

如果shape中有一个特殊值-1，则该维度的大小通过整个tensor的尺寸计算得到，特殊情况下shape为[-1]时则将tensor摊平成1-D。shape最多有一个值为-1。

如果shape是一维或更高维度，该函数返回的形状为shape的张量中的值由tensor的值填充，在这种情况下，由shape决定的元素个数必须与输入tensor中的元素个数一致。

Ref tf.reshape

Args:

  • tensor: 一个Tensor张量 。
  • shape: 一个Tensor张量，必须是int32或int64类型，决定了输出张量的形状。
  • name: 操作的名字，可选参数。

Returns:
一个 Tensor张量，和输入tensor具有相同的数据类型。

tf.expand_dims

1
2
3
4
5
6
tf.expand_dims(
    input,
    axis=None,
    name=None,
    dim=None
)

给定一个张量input，该函数在input的形状中维度索引为axis的位置插入一个维度为1的维度，维度索引axis从0开始，如果你为axis指定一个负数，则其从后往前数。

这个操作在你想要在某个元素上加入一个batch维度时非常有用。例如有一个形状为[height, width, channels]的图像，通过expand_dims(image, 0)可以使其成为一个只有一张图片的batch，其形状为[1, height, width, channels]。

Ref tf.expand_dims

Args:

  • input: 一个张量.
  • axis: 0-D (标量)，指定扩展张量input形状的维度索引，必须位于[-rank(input) - 1, rank(input)]之间。
  • name: 输出张量的名字。
  • dim: 0-D (标量)，等价于 axis，将会被废弃。

Returns:

  • 和输入张量input具有相同数据的张量，但其形状多了一个大小为1的维度。

tf.squeeze

1
2
3
4
tf.squeeze(input,
    axis=None,
    name=None,
    squeeze_dims=None)

给定一个张量input，该函数返回一个在移除所有大小为1的维度后，与输入张量具有相同数据类型的张量。如果你不想移除所有大小为1的维度，可以通过指定axis来移除部分大小为1的维度。

Ref tf.squeeze

Args:

  • input: 一个张量。A Tensor. The input to squeeze.
  • axis: 一个可选的ints列表，默认为[]。如果指定，则只压缩列表中的维度，维度索引从0开始。当压缩大小不是1的维度时会产生错误。必须在 [-rank(input), rank(input))之间。
  • name: 操作的名字，可选参数。
  • squeeze_dims: 废弃的参数，现在改为axis。

Returns:

  • 和输入张量input具有相同类型、相同数据的张量，但是有一个或多个大小为1的维度被移除。

tf.transpose

1
2
3
4
5
6
tf.transpose(
    a,
    perm=None,
    name='transpose',
    conjugate=False
)

对张量a进行转秩操作，根据参数perm重新排列各个维度。

返回的张量的第i个维度对应输入张量的第perm[i]个维度，如果perm参数没有指定，其默认会被设为 (n-1…0)，其中n是输入张量的秩。所以默认情况下，该操作进行一个常规的矩阵转秩操作。如果参数conjugate设置为True，a.dtype 是 complex64 或者 complex128 ，则返回输入张量的共轭转秩。

Ref tf.transpose

Args:

  • a: A Tensor.
  • perm: A permutation of the dimensions of a.
  • name: A name for the operation (optional).
  • conjugate: Optional bool. Setting it to True is mathematically equivalent to tf.conj(tf.transpose(input)).

Returns:
A transposed Tensor.

Numpy Compatibility

In numpy transposes are memory-efficient constant time operations as they simply return a new view of the same data with adjusted strides.

TensorFlow does not support strides, so transpose returns a new tensor with the items permuted.

tf.concat

tf.stack

tf.tile

特殊矩阵

tf.one_hot

tf.eye

运算 Arithmetic Operators

tf.add

tf.subtract

tf.tensordot

tf.matmul

tf.multiply

1
2
3
4
5
tf.multiply(
    x,
    y,
    name=None
)

Returns x * y element-wise.

Args:

  • x: A Tensor. Must be one of the following types: bfloat16, half, float32, float64, uint8, int8, uint16, int16, int32, int64, complex64, complex128.
  • y: A Tensor. Must have the same type as x.
  • name: A name for the operation (optional).

Returns:
A Tensor. Has the same type as x.

Ref tf.multiply

tf.scalar_mul

tf.div

tf.divide

tf.truediv

tf.floordiv

tf.realdiv

tf.truncatediv

tf.floor_div

tf.truncatemod

tf.floormod

tf.mod

tf.cross

tf.einsum

1
tf.einsum(equation, *inputs)

Ref tf.einsum

图像 Images

tf.image

Ref