TensorFlow2.0:数据的填充与复制
**
一 tf.pad( )填充函数
**
tf.pad(tensor, paddings, mode="CONSTANT", name=None, constant_values=0):
paddings参数的设置方法:
假设输入tensor有两个维度,则paddings参数设置为paddings = [[a,b],[c,d]]
a,b表示为axis=0维度上最前面填充a行,最后面填充b行,
c,d表示为axis=1维度上最前面填充c列,最后面填充d列,
同理,假设输入的tensor有三个维度,则paddings参数设置为paddings = [[a,b],[c,d],[e,f]]
a,b表示为axis=0维度上最前面填充a行,最后面填充b行,
c,d表示为axis=1维度上最前面填充c列,最后面填充d列,
e,f表示为axis=2维度上最前面填充e,最后面填充f,
In [3]: a
Out[3]:
In [4]: a = tf.reshape(a,[3,3])
In [5]: a
Out[5]:
In [6]: tf.pad(a,[[0,0],[0,0]])#不填充
Out[6]:
In [7]: tf.pad(a,[[1,0],[0,0]])#在axis=0上最前面填充1行,得到的维度应为[4,3]
Out[7]:
In [8]: tf.pad(a,[[0,1],[0,0]])#在axis=0的最后面填充1行
Out[8]:
In [9]: tf.pad(a,[[0,0],[1,0]])#在axis=1的最前面填充1列
Out[9]:
In [10]: tf.pad(a,[[0,0],[0,1]])#在axis=1的最后面填充1列
Out[10]:
In [11]: tf.pad(a,[[1,1],[0,0]])#在axis=0最前面和最后面分别填充
Out[11]:
In [12]: tf.pad(a,[[0,0],[1,1]])#在axis=1最前和最后各填充
Out[12]:
In [13]: tf.pad(a,[[1,1],[1,1]])#在axis=0和axis=1的最前和最后各进行填充
Out[13]:
iamge padding
tf.pad(tensor, paddings, mode="CONSTANT", name=None, constant_values=0):
In [19]: tf.pad(a,[[0,0],[2,2],[2,2],[2,2],[0,0]],constant_values=255).shape
Out[19]: TensorShape([4, 32, 32, 32, 3])
**
二 tf.tile( ) 数据复制函数
**
tf.tile(
input, #输入
multiples, #某一维度上复制的次数
name=None
)
multiples参数设置方法:
假设输入Input有两个维度,则可以设置multiples = [a,b]
a表示在维度axis=0上复制a次,
b表示在维度axis=1上复制b次.
同理,假设Input有三个维度,则可以设置multiples = [a,b,c]
a表示在维度axis=0上复制a次,
b表示在维度axis=1上复制b次.
c表示在维度axis=2上复制c次,
In [2]: a = tf.range(9)
In [3]: a
Out[3]:
In [4]: a = tf.reshape(a,[3,3])
In [5]: a
Out[5]:
In [6]: tf.tile(a,[1,1])#表示不复制
Out[6]:
In [7]: tf.tile(a,[1,2])#在axis=1维度上复制2次
Out[7]:
In [8]: tf.tile(a,[2,2])#在axis=0和axis=1维度上分别复制2,次,先复制小维度,再复制大维度
Out[8]:
In [9]: tf.tile(a,[2,1])#在axis=0维度上复制2次
Out[9]:
tile VS broadcast_to
broadcast_to相当于先expand_dims,再tile
In [12]: a = tf.reshape(tf.range(9),[3,3])
In [13]: a
Out[13]:
In [14]: aa = tf.expand_dims(a,axis=0)#先扩充维度
In [15]: aa
Out[15]:
In [16]: bb = tf.tile(aa,[2,1,1])
In [17]: bb
Out[17]:
In [18]: cc = tf.broadcast_to(a,[2,3,3])
In [19]: cc
Out[19]: