tensorflow 基本函数(1.tf.split, 2.tf.concat,3.tf.squeeze, 4.tf.less_equal, 5.tf.where, 6.tf.gather, 7.tf.cast, 8.tf.expand_dims, 9.tf.argmax, 10.tf.reshape， 11.tf.stack， 12tf.less， 13.tf.boolean_mask

1.  tf.split(3, group, input)  # 拆分函数
    3 表示的是在第三个维度上， group表示拆分的次数， input 表示输入的值

import tensorflow as tf
import numpy as np

x = [[1, 2], [3, 4]]
Y = tf.split(axis=1, num_or_size_splits=2, value=x)

sess = tf.Session()
for y in Y:
    print(sess.run(y))

2.  tf.concat(3, input) # 串接函数
    3 表示的是在第三个维度上， input表示的是输入，输入一般都是列表

import tensorflow as tf


x = [[1, 2], [3, 4]]
y = tf.concat(x, axis=0)

sess = tf.Session()
print(sess.run(y))

3. tf.squeeze(input, squeeze_dims=[1, 2]) # 表示的是去除列数为1的维度， squeeze_dim 指定维度

import tensorflow as tf
import numpy as np

x = [[1, 2]]
print(np.array(x).shape)
y = tf.squeeze(x, axis=[0])

sess = tf.Session()

print(sess.run(y))

4. tf.less_equal(a, b)  a 可以是一个列表， b表示需要比较的数，如果比b大返回false，否者返回True

import tensorflow as tf
import numpy as np

raw_gt = [1, 2, 3, 4]

y = tf.where(tf.less_equal(raw_gt, 2))


sess = tf.Session()

print(sess.run(y))

5.tf.where(input)   # 返回是真的序号，通过tf.where找出小于等于2的数的序号

import tensorflow as tf
import numpy as np

raw_gt = [1, 2, 3, 4]


y = tf.where(tf.less_equal(raw_gt, 2))

sess = tf.Session()
print(sess.run(y))

6. tf.gather   # 根据序列号对数据进行取值,输入的是input， index

import tensorflow as tf
import numpy as np

raw_gt = [3, 4, 5, 6]


y = tf.gather(raw_gt, [[0], [1]])

sess = tf.Session()
print(sess.run(y))

 7. tf.cast(input, tf.float32)  # 主要目的是进行数值类型转换

import tensorflow as tf
import numpy as np

raw_gt = [3.0, 4.0, 5.0, 6.0]


y = tf.cast(raw_gt, tf.int32)

sess = tf.Session()
print(sess.run(y))

8. tf.expand_dims(input, axis=1) # 进行矩阵维度的扩增

import tensorflow as tf
import numpy as np

raw_gt = [3.0, 4.0, 5.0, 6.0]


y = tf.expand_dims(raw_gt, axis=1)

sess = tf.Session()
print(sess.run(tf.shape(y)))

9. tf.argmax(input, axis=1)  根据维度找出这个维度下的最大值的序号， axis=0 表示找出每一行中的最大值， axis=1，表示找出每一列的最大值

import tensorflow as tf
import numpy as np

raw_gt = [[3.0, 4.0], [5.0, 3]]

y = tf.argmax(raw_gt, axis=1)

sess = tf.Session()
print(sess.run(y))

 1o. tf.reshape(input, shape)  # tf.reshape主要用于数据的shape重新组合

import tensorflow as tf
import numpy as np


a = [[1, 2], [3, 4]]
y = tf.reshape(a, [-1, 4])

sess = tf.Session()
print(sess.run(y))

 11. tf.stack(input， axis)   # 进行数据的拼接，为了去除一个维度

import tensorflow as tf
distort_left_right_random = tf.random_uniform([1], 0, 1.0, dtype=tf.float32)[0]
mirror = tf.less(tf.stack([1.0, 0.8, 1.0]), 0.5)
sess = tf.Session()
print(sess.run(mirror))
mirror = tf.boolean_mask([0, 1, 2], mirror)


sess = tf.Session()
print(sess.run(mirror))

12.tf.less(a, b)  # 如果a小于b返回True

13.tf.boolean_mask # 找出数据中是True的位置

mirror = tf.boolean_mask([0, 1, 2], [True, False, False])


sess = tf.Session()
print(sess.run(mirror))

 13 tf.slice # 根据给出的起始位置进行数据的抽取

# tf.slice
# import tensorflow as tf
# import numpy as np
# x=[[1,2,3],[4,5,6]]
# y=np.arange(24).reshape([2,3,4])
# z=tf.constant([[[1,2,3],[4,5,6]], [[7,8,9],[10,11,12]],  [[13,14,15],[16,17,18]]])
# sess=tf.Session()
# begin_x=[1,0]        #第一个1，决定了从x的第二行[4,5,6]开始，第二个0，决定了从[4,5,6] 中的4开始抽取
# size_x=[1,2]           # 第一个1决定了，从第二行以起始位置抽取1行，也就是只抽取[4,5,6] 这一行，在这一行中从4开始抽取2个元素
# out=tf.slice(x,begin_x,size_x)
# print(sess.run(out))

14 .tf.reduce_sum(input) 表示将所有的进行相加

15 .tf.gfile.MakeDirs(train_dir)  # 根据train_dir创建文件夹

import tensorflow as tf

train_dir = 'make/'
tf.gfile.MakeDirs(train_dir)

16. tf.gfile.IsDirectory(train_dir)   # 判断是否是文件夹

if tf.gfile.IsDirectory(train_dir):
    print('1')
else:
    print('0')

17.tf.transpose(input, [1, 0]) # 表示将第一维的大小与第二维度进行调换

import tensorflow as tf
import numpy as np

x = [[1, 2, 3, 4], [1, 2, 4, 3]]
print(np.shape(x))
sess = tf.Session()
# 进行维度的变化,perm表示将第一二维度转换为第一个维度
print(sess.run(tf.transpose(x, perm=[1, 0])))