先给出一个样例看看
import tensorflow as tf raw = tf.constant([1, 2, 3, 4, 5, 6, 6, 5, 4, 3, 2, 1]) ''' 拆成 [1,2] [3,4] [5,6] [6,5] [4,3] [2,1] ''' result_1 = tf.dynamic_partition(tf.reshape(raw, [6,2]),[0, 1, 2, 3, 4, 5], 6) ''' 拆成 [1, 2, 3, 4, 5, 6] [6, 5, 4, 3, 2, 1] ''' result_2 = tf.dynamic_partition(tf.reshape(raw, [2, 6]), [0, 1], 2) ''' 拆成 [1] [2] [3] [4] [5] [6] [6] [5] [4] [3] [2] [1] ''' result_3 = tf.dynamic_partition(tf.reshape(raw, [12, 1]), [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11], 12) with tf.Session() as sess: print(sess.run(result_1)) print(sess.run(result_2)) print(sess.run(result_3))
结果
[array([[1, 2]]), array([[3, 4]]), array([[5, 6]]), array([[6, 5]]), array([[4, 3]]), array([[2, 1]])] [array([[1, 2, 3, 4, 5, 6]]), array([[6, 5, 4, 3, 2, 1]])] [array([[1]]), array([[2]]), array([[3]]), array([[4]]), array([[5]]), array([[6]]), array([[6]]), array([[5]]), array([[4]]), array([[3]]), array([[2]]), array([[1]])]
再给出一个样例
Py3代码:
# one-hot 函数的样例 import tensorflow as tf label = tf.placeholder(tf.int32,[None]) # 直接把 输入的序列进行One-Hot的结果 one_hot = tf.one_hot(label, 3, 1, 0) # 进行转置 one_hot_new = tf.transpose(one_hot, perm=[1,0]) one_hot_new = tf.cast(one_hot_new, tf.float32) # one_hot_new[2] = one_hot_new[2] * 1.5 # 按照每一维的大小进行拆分 one_hot_new_1 = tf.dynamic_partition(one_hot_new, [0, 1, 1], 2)[0] one_hot_new_2 = tf.dynamic_partition(one_hot_new, [1, 0, 1], 2)[0] one_hot_new_3 = tf.dynamic_partition(one_hot_new, [1, 1, 0], 2)[0] # 按照每一维大小进行拆分 one_hot_1 = tf.dynamic_partition(one_hot_new, [0, 1, 2], 3)[0] one_hot_2 = tf.dynamic_partition(one_hot_new, [0, 1, 2], 3)[1] one_hot_3 = tf.dynamic_partition(one_hot_new, [0, 1, 2], 3)[2] # one_hot_new_3 = tf.dynamic_partition(one_hot_new, [0, 0, 1], 2)[2] # 拼接以上两维得到原来的结果 one_hot_new = tf.concat([one_hot_new_1, one_hot_new_2], axis=0) if __name__ == '__main__': with tf.Session() as sess: sess.run(tf.global_variables_initializer()) one_hot_out, one_hot_new_out, one_hot_new_1_out, one_hot_new_2_out, one_hot_new_3_out, one_hot_1_out, one_hot_2_out, one_hot_3_out = sess.run([one_hot, one_hot_new, one_hot_new_1, one_hot_new_2, one_hot_new_3, one_hot_1, one_hot_2, one_hot_3], feed_dict={label: [0, 1, 1, 2, 2, 0, 0, 1, 2, 2, 0, 2]}) print("原始的One-hot结果:") print(one_hot_out, end='\n\n') print("以上的结果.T:") print("方法一拆分:") print(one_hot_new_out, end='\n\n') print("拆分(1)维:") print(one_hot_new_1_out, end='\n\n') print("拆分 (2)维:") print(one_hot_new_2_out, end='\n\n') print("拆分 (3)维:") print(one_hot_new_3_out, end='\n\n') print("方法二拆分:") print("拆分(1)维:") print(one_hot_1_out, end='\n\n') print("拆分 (2)维:") print(one_hot_2_out, end='\n\n') print("拆分 (3)维:") print(one_hot_3_out, end='\n\n')
控制台输出:
原始的One-hot结果: [[1 0 0] [0 1 0] [0 1 0] [0 0 1] [0 0 1] [1 0 0] [1 0 0] [0 1 0] [0 0 1] [0 0 1] [1 0 0] [0 0 1]] 以上的结果.T: 方法一拆分: [[ 1. 0. 0. 0. 0. 1. 1. 0. 0. 0. 1. 0.] [ 0. 1. 1. 0. 0. 0. 0. 1. 0. 0. 0. 0.]] 拆分(1)维: [[ 1. 0. 0. 0. 0. 1. 1. 0. 0. 0. 1. 0.]] 拆分 (2)维: [[ 0. 1. 1. 0. 0. 0. 0. 1. 0. 0. 0. 0.]] 拆分 (3)维: [[ 0. 0. 0. 1. 1. 0. 0. 0. 1. 1. 0. 1.]] 方法二拆分: 拆分(1)维: [[ 1. 0. 0. 0. 0. 1. 1. 0. 0. 0. 1. 0.]] 拆分 (2)维: [[ 0. 1. 1. 0. 0. 0. 0. 1. 0. 0. 0. 0.]] 拆分 (3)维: [[ 0. 0. 0. 1. 1. 0. 0. 0. 1. 1. 0. 1.]]
以上这篇Tensorflow tf.dynamic_partition矩阵拆分示例(Python3) 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
白云城资源网 Copyright www.dyhadc.com
暂无“Tensorflow tf.dynamic_partition矩阵拆分示例(Python3)”评论...
《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。
更新日志
2024年10月06日
2024年10月06日
- 群星《前途海量 电影原声专辑》[FLAC/分轨][227.78MB]
- 张信哲.1992-知道新曲与精丫巨石】【WAV+CUE】
- 王翠玲.1995-ANGEL【新艺宝】【WAV+CUE】
- 景冈山.1996-我的眼里只有你【大地唱片】【WAV+CUE】
- 群星《八戒 电影原声带》[320K/MP3][188.97MB]
- 群星《我的阿勒泰 影视原声带》[320K/MP3][139.47MB]
- 纪钧瀚《胎教古典音乐 钢琴与大提琴的沉浸时光》[320K/MP3][148.91MB]
- 刘雅丽.2001-丽花皇后·EMI精选王【EMI百代】【FLAC分轨】
- 齐秦.1994-黄金十年1981-1990CHINA.TOUR.LIVE精丫上华】【WAV+CUE】
- 群星.2008-本色·百代音乐人创作专辑【EMI百代】【WAV+CUE】
- 群星.2001-同步过冬AVCD【环球】【WAV+CUE】
- 群星.2020-同步过冬2020冀待晴空【环球】【WAV+CUE】
- 沈雁.1986-四季(2012梦田复刻版)【白云唱片】【WAV+CUE】
- 纪钧瀚《胎教古典音乐 钢琴与大提琴的沉浸时光》[FLAC/分轨][257.88MB]
- 《国语老歌 怀旧篇 3CD》[WAV/分轨][1.6GB]