快捷導(dǎo)航

Tensorflow tf.tile()的用法實(shí)例分析

更新時間：2020年05月22日 11:08:22 作者：星夜孤帆

這篇文章主要介紹了Tensorflow tf.tile()的用法實(shí)例分析，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

tf.tile()應(yīng)用于需要張量擴(kuò)展的場景，具體說來就是：

如果現(xiàn)有一個形狀如[width, height]的張量，需要得到一個基于原張量的，形狀如[batch_size,width,height]的張量，其中每一個batch的內(nèi)容都和原張量一模一樣。tf.tile使用方法如：

tile(
  input,
  multiples,
  name=None
)

import tensorflow as tf
a = tf.constant([7,19])
a1 = tf.tile(a,multiples=[3]) #第一個維度擴(kuò)充3遍
b = tf.constant([[4,5],[3,5]])
b1 = tf.tile(b,multiples=[2,3])#第一個維度擴(kuò)充2遍，第二個維度擴(kuò)充3遍
with tf.Session() as sess:
  print(sess.run(a))
  print(sess.run(a1))
  print(sess.run(b))
  print(sess.run(b1))

補(bǔ)充知識：tf.tile() 和 tf.contrib.seq2seq.tile_batch()

簡單介紹這兩個函數(shù)的基本用法, 以及區(qū)別. 以及在 BeamSearch 的時候用哪個?

# 將input的某一維度復(fù)制多少次, len(input.shape()) 等于 len(multiples)
# tf.tile(input, multiples, name=None)
t = tf.constant([[1, 1, 1, 9], [2, 2, 2, 9], [7, 7, 7, 9]])
# 第一維度和第二維度都保持不變
z0 = tf.tile(t, multiples=[1, 1])
# 第1維度不變, 第二維度復(fù)制為2份
z1 = tf.tile(t, multiples=[1, 2])
# 第1維度復(fù)制為兩份, 第二維度不變
z2 = tf.tile(t, multiples=[2, 1])
# tf.contrib.seq2seq.tile_batch(encoder_outputs, multiplier=self.beam_size)
encoder_outputs = tf.constant([[[1, 3, 1], [2, 3, 2]], [[2, 3, 4], [2, 3, 2]]])
print(encoder_outputs.get_shape()) # (2, 2, 3)
# 將batch內(nèi)的每個樣本復(fù)制3次, tile_batch() 的第2個參數(shù)是一個 int 類型數(shù)據(jù)
z4 = tf.contrib.seq2seq.tile_batch(encoder_outputs, multiplier=3)

with tf.Session() as sess:
  print(sess.run(z0))
  print(sess.run(z1))
  print(sess.run(z2))
 輸出: 
 [[1 1 1 9]
 [2 2 2 9]
 [7 7 7 9]]
 
[[1 1 1 9 1 1 1 9]
 [2 2 2 9 2 2 2 9]
 [7 7 7 9 7 7 7 9]]
 
[[1 1 1 9]
 [2 2 2 9]
 [7 7 7 9]
 [1 1 1 9]
 [2 2 2 9]
 [7 7 7 9]]
 
[[[1 3 1]
 [2 3 2]]

 [[1 3 1]
 [2 3 2]]

 [[1 3 1]
 [2 3 2]]

 [[2 3 4]
 [2 3 2]]

 [[2 3 4]
 [2 3 2]]

 [[2 3 4]
 [2 3 2]]]

以上這篇Tensorflow tf.tile()的用法實(shí)例分析就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章:

相關(guān)文章

Pytorch損失函數(shù)nn.NLLLoss2d()用法說明
這篇文章主要介紹了Pytorch損失函數(shù)nn.NLLLoss2d()用法說明，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
2020-07-07
Python unittest discover批量執(zhí)行代碼實(shí)例
這篇文章主要介紹了Python unittest discover批量執(zhí)行代碼實(shí)例,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
2020-09-09
Python3的urllib.parse常用函數(shù)小結(jié)(urlencode,quote,quote_plus,unquot
這篇文章主要介紹了Python3的urllib.parse常用函數(shù),結(jié)合實(shí)例形式分析了urlencode,quote,quote_plus,unquote,unquote_plus等函數(shù)的相關(guān)使用技巧,需要的朋友可以參考下
2016-09-09
詳解python爬取彈幕與數(shù)據(jù)分析
這篇文章主要介紹了詳解python爬取彈幕與數(shù)據(jù)分析,本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下
2020-11-11
Python requests上傳文件實(shí)現(xiàn)步驟
這篇文章主要介紹了Python requests上傳文件實(shí)現(xiàn)步驟,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
2020-09-09
Djang的model創(chuàng)建的字段和參數(shù)詳解
這篇文章主要介紹了Djang的model創(chuàng)建的字段和參數(shù)詳解,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
2019-07-07
如何將json數(shù)據(jù)轉(zhuǎn)換為python數(shù)據(jù)
這篇文章主要介紹了如何將json數(shù)據(jù)轉(zhuǎn)換為python數(shù)據(jù),文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
2020-09-09
Python視頻處理之噪聲矩陣與并行計(jì)算
這篇文章主要為大家詳細(xì)介紹了Python視頻處理中噪聲矩陣與并行計(jì)算的完美融合,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下
2025-01-01
Python rindex()方法案例詳解
這篇文章主要介紹了Python rindex()方法案例詳解,本篇文章通過簡要的案例,講解了該項(xiàng)技術(shù)的了解與使用,以下就是詳細(xì)內(nèi)容,需要的朋友可以參考下
2021-09-09
在python下實(shí)現(xiàn)word2vec詞向量訓(xùn)練與加載實(shí)例
這篇文章主要介紹了在python下實(shí)現(xiàn)word2vec詞向量訓(xùn)練與加載實(shí)例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
2020-06-06