有一段時間沒用tensorflow了，現在跑實驗還是存在一些坑了，主要是關於張量計算的問題。tensorflow升級1.0版本後與以前的版本並不相容，可能出現各種奇奇怪怪的問題。

1 tf.concat函式

tensorflow1.0以前函式用法：tf.concat(concat_dim,values,name='concat')，第一個引數為連線的維度，可以將幾個向量按指定維度連線起來。

如：

t1 = [[1,2,3],[4,5,6]]
t2 = [[7,8,9],[10,11,12]]
#按照第0維連線
tf.concat(0,[t1,t2]) ==> [[1,6],[7,12]]
#按照第1維連線
tf.concat(1,3,7,6,10,12]]

tf.concat的作用主要是將向量按指定維連起來，其餘維度不變；而1.0版本以後，函式的用法變成：

t1 = [[1,12]]
#按照第0維連線
tf.concat( [t1,t2]，0) ==> [[1,12]]
#按照第1維連線
tf.concat([t1,t2]，1) ==> [[1,12]]

位置變了，需要注意。

2 tf.stack函式

用法：stack(values,axis=0,name=”stack”):

“”“Stacks a list of rank-R tensors into one rank-(R+1) tensor.

x = tf.constant([1,4])
y = tf.constant([2,5])
z = tf.constant([3,6])
tf.stack([x,y,z]) ==> [[1,4],[2,5],[3,6]]
tf.stack([x,z],axis=0) ==> [[1,axis=1) ==> [[1,6]]

tf.stack將一組R維張量變為R+1維張量。注意：tf.pack已經變成了tf.stack

3.tf.reshape

用法：reshape(tensor,shape,name=None):主要通過改變張量形狀，可以從高維變低維，也可以從低維變高維；

a = tf.Variable(initial_value=[[1,6]]) ==> shape:[2,3]
b = tf.Variable(initial_value=[[[1,6]],[[7,[1,2]]]) ==> shape:[2,3]

a_1 = tf.reshape(a,1,3]) ==> [[[[1,3]]],[[[4,6]]]]
a_2 = tf.reshape(a,3]) ==> [[[1,3]],[[4,6]]]
b_1 = tf.reshape(b,6]]],[[[7,9]],[[1,2]]]]

new_1 = tf.concat([b_1,a_1],1)
new_2 = tf.reshape(tf.concat([b,a_2],1),3])
"""
new_1:
[[[[1 2 3]]

 [[4 5 6]]

 [[1 2 3]]]


 [[[7 8 9]]

 [[1 0 2]]

 [[4 5 6]]]]
new_2；
[[[[1 2 3]]

 [[4 5 6]]

 [[1 2 3]]]


 [[[7 8 9]]

 [[1 0 2]]

 [[4 5 6]]]]

補充知識：tensorflow中的reshape(tensor,-1])和reshape(tensor,[-1,1])

和python 中的reshape用法應該一樣

import tensorflow as tf
a = [[1,2],[5,6]]
tf.reshape(a,1])
Out[13]: <tf.Tensor 'Reshape_4:0' shape=(6,1) dtype=int32>
tf.reshape(tf.reshape(a,1]),-1])
Out[14]: <tf.Tensor 'Reshape_6:0' shape=(1,6) dtype=int32>

tf.reshape(tensor,1])將張量變為一維列向量

tf.reshape(tensor,-1])將張量變為一維行向量

以上這篇淺談tensorflow使用張量時的一些注意點tf.concat,tf.reshape,tf.stack就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。