深度学习-TF函数-layers.concatenate用法 numpy数组维度

环境： tensorfow 2.*

def concatenate(inputs, axis=-1, **kwargs):

axis=n表示从第n个维度进行拼接，对于一个三维矩阵，axis的取值可以为[-3, -2, -1, 0, 1, 2]。

维度说明下图，0在深度，1在行，2在列

代码

import numpy as np import tensorflow as tft1 = tf.Variable(np.array([[[1, 2], [2, 3]], [[4, 4], [5, 3]]])) t2 = tf.Variable(np.array([[[7, 4], [8, 4]], [[2, 10], [15, 11]]]))d0 = tf.keras.layers.concatenate([t1, t2], axis=0) d1 = tf.keras.layers.concatenate([t1, t2], axis=1) d2 = tf.keras.layers.concatenate([t1, t2], axis=2) d3 = tf.keras.layers.concatenate([t1, t2], axis=-1)print(d0) print(d1) print(d2) print(d3)

输出

tf.Tensor( [[[ 1 2][ 2 3]][[ 4 4][ 5 3]][[ 7 4][ 8 4]][[ 2 10][15 11]]], shape=(4, 2, 2), dtype=int32) # 4代表深度，类似4页 tf.Tensor( [[[ 1 2][ 2 3][ 7 4][ 8 4]][[ 4 4][ 5 3][ 2 10][15 11]]], shape=(2, 4, 2), dtype=int32) tf.Tensor( [[[ 1 2 7 4][ 2 3 8 4]][[ 4 4 2 10][ 5 3 15 11]]], shape=(2, 2, 4), dtype=int32) tf.Tensor( [[[ 1 2 7 4][ 2 3 8 4]][[ 4 4 2 10][ 5 3 15 11]]], shape=(2, 2, 4), dtype=int32)Process finished with exit code 0

数组维度

数组的常用函数 print(np.arange(0,7,1,dtype=np.int16)) # 0为起点，间隔为1时可缺省(引起歧义下不可缺省) print(np.ones((2,3,4),dtype=np.int16)) # 2页，3行，4列，全1，指定数据类型 print(np.zeros((2,3,4))) # 2页，3行，4列，全0 print(np.empty((2,3))) #值取决于内存 print(np.arange(0,10,2)) # 起点为0，不超过10，步长为2 print(np.linspace(-1,2,5)) # 起点为-1，终点为2，取5个点 print(np.random.randint(0,3,(2,3))) # 大于等于0，小于3，2行3列的随机整数

输出

[0 1 2 3 4 5 6] [[[1 1 1 1][1 1 1 1][1 1 1 1]][[1 1 1 1][1 1 1 1][1 1 1 1]]] [[[ 0. 0. 0. 0.][ 0. 0. 0. 0.][ 0. 0. 0. 0.]][[ 0. 0. 0. 0.][ 0. 0. 0. 0.][ 0. 0. 0. 0.]]] [[ 1.39069238e-309 1.39069238e-309 1.39069238e-309][ 1.39069238e-309 1.39069238e-309 1.39069238e-309]] [0 2 4 6 8] [-1. -0.25 0.5 1.25 2. ] [[1 0 1][0 1 0]]

总结

以上是生活随笔为你收集整理的深度学习-TF函数-layers.concatenate用法 numpy数组维度的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。