Tensorflow:使用tf.slice拆分输入
python
tensorflow
5
0

我正在尝试将输入层拆分为不同大小的部分。我正在尝试使用tf.slice来执行此操作,但是它不起作用。

一些示例代码:

import tensorflow as tf
import numpy as np

ph = tf.placeholder(shape=[None,3], dtype=tf.int32)

x = tf.slice(ph, [0, 0], [3, 2])

input_ = np.array([[1,2,3],
                   [3,4,5],
                   [5,6,7]])

with tf.Session() as sess:
        sess.run(tf.initialize_all_variables())
        print sess.run(x, feed_dict={ph: input_})

输出:

[[1 2]
 [3 4]
 [5 6]]

这行得通,大致就是我想要发生的事情,但是我必须指定第一个尺寸(在这种情况下为3 )。我不知道要输入多少个向量,这就是为什么我首先使用Noneplaceholder的原因!

是否可以以某种方式使用slice ,使其在尺寸直到运行时未知之前仍可以工作?

我尝试过使用一个placeholder ,该placeholderph.get_shape()[0]中获取其值, ph.get_shape()[0]x = tf.slice(ph, [0, 0], [num_input, 2]) 。但这也不起作用。

参考资料:
Stack Overflow
收藏
评论
共 2 个回答
高赞 时间 活跃

对我来说,我尝试了另一个例子让我理解切片功能

input = [
    [[11, 12, 13], [14, 15, 16]],
    [[21, 22, 23], [24, 25, 26]],
    [[31, 32, 33], [34, 35, 36]],
    [[41, 42, 43], [44, 45, 46]],
    [[51, 52, 53], [54, 55, 56]],
    ]
s1 = tf.slice(input, [1, 0, 0], [1, 1, 3])
s2 = tf.slice(input, [2, 0, 0], [3, 1, 2])
s3 = tf.slice(input, [0, 0, 1], [4, 1, 1])
s4 = tf.slice(input, [0, 0, 1], [1, 0, 1])
s5 = tf.slice(input, [2, 0, 2], [-1, -1, -1]) # negative value means the function cutting tersors automatically
tf.global_variables_initializer()
with tf.Session() as s:
    print s.run(s1)
    print s.run(s2)
    print s.run(s3)
    print s.run(s4)

它输出:

[[[21 22 23]]]

[[[31 32]]
 [[41 42]]
 [[51 52]]]

[[[12]]
 [[22]]
 [[32]]
 [[42]]]

[]

[[[33]
  [36]]
 [[43]
  [46]]
 [[53]
  [56]]]

参数begin指示要开始切割的元素。 size参数表示要在该维度上包含多少个元素。

收藏
评论

您可以在tf.slicesize参数中指定一个负尺寸。负数维告诉Tensorflow根据其他维数决定其动态确定正确的值。

import tensorflow as tf
import numpy as np

ph = tf.placeholder(shape=[None,3], dtype=tf.int32)

# look the -1 in the first position
x = tf.slice(ph, [0, 0], [-1, 2])

input_ = np.array([[1,2,3],
                   [3,4,5],
                   [5,6,7]])

with tf.Session() as sess:
        sess.run(tf.initialize_all_variables())
        print(sess.run(x, feed_dict={ph: input_}))
收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题

关于我们

常见问题

内容许可

联系我们

@2020 AskGo
京ICP备20001863号