python 机器学习中 tf 中的数据处理方法

  • 2020-11-24
  • 机器学习算法分析
  • 公开
简介tf.reduce_mean 函数用于计算张量tensor沿着指定的数轴(tensor的某一维度)上的的平均值,主要用作降维或者计算tensor(图像)的平均值。 tf.abs()就是求数值的绝对值,可以将多个数值传入list,统一求绝对值。 x = tf.constant(-1) y = tf.constant([-1 + 2j, -2]) sess = tf.Session() print(sess.run(tf.abs(x))) #1 print(sess.run

tf.reduce_mean 函数用于计算张量tensor沿着指定的数轴(tensor的某一维度)上的的平均值,主要用作降维或者计算tensor(图像)的平均值。


tf.abs()就是求数值的绝对值,可以将多个数值传入list,统一求绝对值。
x = tf.constant(-1)
y = tf.constant([-1 + 2j, -2])
sess = tf.Session()
print(sess.run(tf.abs(x))) #1
print(sess.run(tf.abs(y))) #[ 2.23606798,2.        ]


从张量的形状中移除所有尺寸为1的维数。(弃用参数)
tf.squeeze(
    input,
    axis=None,
    name=None,
    squeeze_dims=None
)
input:要缩减维度的张量
axis:可选整型列表,默认为 [ ],如果指定了给参数,值域列表中指定的维度会被移除。维度所以从 0 开始,范围是 [- rank(input), rank(input)]。不能移除尺度不为 1 的维度,否则会报错!
name:可选参数,设置操作的名称
squeeze_dims:被移除的关键字参数,通过 axis 替代
返回:
包含输入 input 中的数据,但移除了所有尺度为 1 的维度的张量,和输入 input 的数据类型相同