インタフェーステンソルをマージし、分割するために使用するもので、まず見て:
スプライシングのために使用さtf.concatテンソル、テンソルを積み重ねるために使用tf.stack、セグメンテーションのために使用さテンソルtf.splitは、また、テンソルに使用tf.splitをtf.unstackセグメンテーション
1.tf.concat
Axisは、寸法がマージされるパラメータを表し
#4つのクラス(クラス35、8人の被験者)のスコアの代表は、bが2クラススコア表すと仮定する tf.ones =([4,35,8 ]) B = tf.ones([2 35,8 ]) #を使用連結結果は6つのクラスを得マージ C = tf.concat([B]、軸= 0)、 #(6,35,8) プリント(c.shape)を
2.tf.stack(新しい次元を作成します)
#Bは、学校は、4つのクラス成果表すB、4つのクラス(クラス35、8人の被験者)のスコアが学校を表しているものと tf.ones =([4,35,8 ]) B = TFを。もの([4,35,8 ]) #スタックを使用して、結果は6つのクラスを得マージ C = tf.stack([B]、軸= 0) #(2,4,35,8) プリント(Cを.shape)
3.tf.unstack(寸法に等分)
#Bは、学校は、4つのクラス成果表すB、4つのクラス(クラス35、8人の被験者)のスコアが学校を表しているものと tf.ones =([4,35,8 ]) B = TFを。もの([4,35,8 ]) #スタックを使用して、結果は6つのクラスを得マージ C = tf.stack([B]、軸= 0) #(2,4,35,8) プリント(Cを.shape) AA、BB = tf.unstack(C、軸= 0)、 #(4,35,8) プリント(aa.shape、bb.shape) RES = tf.unstack(C、軸= 3 ) #(2 、4,35) プリント(RES [0] .shape、RES [7] .shape)
4.tf.split(スケールブレーク)
#Bは、学校は、4つのクラス成果表すB、4つのクラス(クラス35、8人の被験者)のスコアが学校を表しているものと tf.ones =([4,35,8 ]) B = TFを。もの([4,35,8 ]) #スタックを使用して、結果は6つのクラスを得マージ C = tf.stack([B]、軸= 0) #(2,4,35,8) プリント(Cを.shape) RES = tf.split(C = 3つの軸num_or_size_splits = 2 ) #2、(2,4,35,4) プリント(LEN(RES)、RES [0] .shape、RES [1 ]。形状) RES = tf.split(C = 3軸num_or_size_splits = [2,2,4 ]) #3(2,4,35,2)(2,4,35,2)(2,4,35 、4) 印刷(LEN(RES)、[0] .shape、RES [1] .shape、RES [2] .shape RES)