深度学习（12）TensorFlow高阶操作一: 合并与分割

Merge and split

• tf.concat（拼接）
• tf.split（分割）
• tf.stack（堆叠）
• tf.unstack（分割，为split中的一种）

1. concat

• Statistics about scores
  • $[class1-4,students,scores]$
  • $[class5-6,students,scores]$
    

(1) c = tf.concat([a, b], axis=0)1: 将a和b合并为c，合并第1个维度（axis=0），c.shape=[6, 35, 8];
(2) tf. concat([a, b], axis=1): 合并a和b的第2个维度（axis=1），其shape=[4, 35, 8];

• Along distinct dim/axis
  • Dim = d
• axis = 0;
  

shape=[12, 4];

• axis=0:
  

shape=[4, 7];
注: 合并操作不会增加维度，合并之前是2维的Tensor，那么合并之后还是2维的Tensor。如果想要创造新的维度，我们就需要stack操作了;

2. stack: create new dim

• Statistics about scores
  • School1: $[classes,students,scores]$
  • School2: $[classes,students,scores]$
    $\to$
  • $[schools,classes,students,scores]$
    

(1) tf.concat([a, b], axis=-1): 合并a和b的倒数第1个维度（axis=-1），其shape=[4, 35, 16];
(2) tf.stack([a, b], axis=0): 在第1个维度（axis=0）处创造一个新的维度，创建后其shape=[2, 4, 35, 8];
(3) tf.stack([a, b], axis=3): 在第4个维度（axis=3）处创造一个新的维度，创建后其shape=[4, 35, 8, 2];

3. Dim mismatch

• concat要求除了合并的那个维度外，其它维度的数值必须相等;
• stack要求所有维度的数值必须相等;

4. unstuck

(1) c = tf.stack([a, b]): 将a和b通过stack()函数合并为c，合并完c.shape=[2, 4, 35, 8];
(2) aa, bb = unstack(c, axis=0): 将c从第1个维度（axis=0）处拆解为aa和bb，拆解完aa.shape=[4, 35, 8]; bb.shape=[4, 35 ,8];
(3) res = tf.unstack(c, axis=3): 将c从第4个维度（axis=3）处拆解，第4个维度消失，拆解后共有8个res，每个res.shape=[2, 4, 35]，所以res[0].shape=[2, 4, 35]; res[7].shape=[2, 4, 35];

• 如果我们不希望将c拆解为这么多个res，比如只拆解为2个res，那么我们就需要使用一个临摹性更强的API——split。

5. split

• VS unstack
  

(1) res = tf.split(c, axis=3, num_or_size_splits=2): 将c从第4个维度（axis=3）处均分为2个res，每个res.shape=[2, 4, 35, 4];
(2) res = tf.split(c, axis=3, num_or_size_splits=[2, 2, 4]): 将c从第4个维度（axis=3）处均分为3个res，将8按照[2, 2, 4]分为3份，其中res[0].shape=[2, 4, 35, 2]; res[1].shape=[2, 4, 35, 2]; res[2].shape=[2, 4, 35, 4]。

参考文献:
[1] 龙良曲:《深度学习与TensorFlow2入门实战》

今天的文章深度学习（12）TensorFlow高阶操作一: 合并与分割分享到此就结束了，感谢您的阅读。