我就废话不多说,咱直接看代码吧!
<强> tf.transpose 强>
置( 一个, 烫=没有 name=' ' )
中定义tensorflow/python/行动/array_ops.py。
看到指南:数学比;矩阵数学函数,张量变换比;切片和加入
转置排列尺寸可根据烫。
返回的张量的维度我对应于输入维度烫[我]。如果烫不给,它设置为(n - 1…0),其中n是输入的秩张量。因此,默认情况下,该操作执行正则矩阵转置> x=特遣部队。常数([[1,2,3],[4、5、6]]) tf.transpose (x) # [[1,4] # (2、5) # (3、6)] >之前
特遣部队。置(x,烫=(1,0))# [[1,4] # (2、5) # (3、6)]#“烫”更有用的n维张量,n比;2 x=特遣部队。常数([[(1、2、3), (4、5、6), [[7 8 9], [10 11 12]]]) #在dimension-0矩阵的转置 特遣部队。置(x,烫=[0 2 1])# [[[1,4], # (2、5), # (3、6)), # [[7,10], 11 #(8日), #[9日12]]] >之前的转置是根据烫的设定值来进行的。
返回数组的维度(尺寸,维度)我与输入的烫(我)的维度相一致。如果未给定烫,默认设置为(n - 1…0),这里的n值是输入变量的等级。因此默认情况下,这个操作执行了一个正规(定期)的2维矩形的转置
<>强例如:强>
x=[(1 2 3) [4 5 6]] tf.transpose (x)==比;[[1 - 4] (2 - 5) 6 [3]] tf.transpose (x)等价于: 特遣部队。置(x烫=[1,0])==比;[[1 - 4] (2 - 5) 6 [3]] >之前一个=tf.constant ([[[1, 2, 3], [4、5、6]], [[7 8 9], [10 11 12]]]) 阵列([[(1、2、3), (4、5、6), [[7 8 9], [10 11 12]]]) x=tf.transpose (a, [1 0 2]) 阵列([[(1、2、3), [7 8 9]], [(4、5、6), [10 11 12]]]) x=tf.transpose (a, [0 2 1]) 阵列([[[1,4], (2、5), (3、6)), [[7,10], (8、11), [9、12]]]) x=tf.transpose (a, (2, 1, 0)) 阵列([[[1、7] [4、10]], [[2,8], [5,11]], [[3,9], (6、12]]]) 阵列([[[1、7] [4、10]], [[2,8], [5,11]], [[3,9], (6、12]]]) x=tf.transpose (a, [1 2 0]) 阵列([[[1、7] 2,8, [3,9]], [[10], 5、11, (6、12]]]) >之前以上这篇Tensorflow:转置函数转置的使用详解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。
Tensorflow:转置函数转置的使用详解