Tensorflow--取tensorf指定列的操作方式
我就廢話不多說(shuō)了，大家還是直接看代碼吧~
In [1]: import os In [2]: os.environ["CUDA_VISIBLE_DEVICES"] = "0" In [3]: import tensorflow as tf In [4]:sess =tf.Session() In [5]: input = tf.constant([[[1,2,3],[4,5,6],[7,8,9]],[[10,11,12],[13,14,15],[1 ...: 6,17,18]]]) In [6]: input.get_shape() Out[6]: TensorShape([Dimension(2), Dimension(3), Dimension(3)]) In [7]: input_2 = input[:,:,2] In [8]: print(sess.run(input_2)) [[ 3 6 9] [12 15 18]] In [9]: input_2 = input[:,:,0:2] In [10]: print(sess.run(input_2)) [[[ 1 2] [ 4 5] [ 7 8]] [[10 11] [13 14] [16 17]]] In [11]: input = tf.constant([[[[1,2,3],[4,5,6],[7,8,9]],[[10,11,12],[13,14,15], ...: [16,17,18]]]]) In [12]: input.get_shape() Out[12]: TensorShape([Dimension(1), Dimension(2), Dimension(3), Dimension(3)]) In [13]: input_2 = input[:,:,2] In [14]: print(sess.run(input_2)) [[[ 7 8 9] [16 17 18]]] In [15]: input_2 = input[:,:,:,2] In [16]: print(sess.run(input_2)) [[[ 3 6 9] [12 15 18]]]
補(bǔ)充知識(shí)：TensorFlow 訓(xùn)練過(guò)程中獲取某個(gè)Tensor值；只有conv1和bn1存在NAN
1. 在訓(xùn)練過(guò)程中,獲取某個(gè)參數(shù)Tensor的值:
獲取所有Tensor的name:
[tensor.name for tensor in tf.get_default_graph().as_graph_def().node]
根據(jù)name獲得Tensor:
bn_gamma = sess.graph.get_tensor_by_name('bn1_audio/batch_normalization/beta:0')
sess.run(), print
2. 只有conv1的filter, bias和bn1的gamma為nan:
由于訓(xùn)練數(shù)據(jù)中存在nan.
bn1后的max pooling層輸出全為0 (∵bn1輸出有0), 導(dǎo)致后續(xù)參數(shù)和輸出看起來(lái)正常, 但是不會(huì)更新.
以上這篇Tensorflow--取tensorf指定列的操作方式就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
Django 開(kāi)發(fā)環(huán)境與生產(chǎn)環(huán)境的區(qū)分詳解
這篇文章主要介紹了Django 開(kāi)發(fā)環(huán)境與生產(chǎn)環(huán)境的區(qū)分詳解，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-07-07
Keras在訓(xùn)練期間可視化訓(xùn)練誤差和測(cè)試誤差實(shí)例
這篇文章主要介紹了Keras在訓(xùn)練期間可視化訓(xùn)練誤差和測(cè)試誤差實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-06-06
python實(shí)現(xiàn)的陽(yáng)歷轉(zhuǎn)陰歷（農(nóng)歷）算法
這篇文章主要介紹了python實(shí)現(xiàn)的陽(yáng)歷轉(zhuǎn)陰歷（農(nóng)歷）算法,需要的朋友可以參考下2014-04-04
這篇文章主要介紹了python?OpenCV?圖像通道數(shù)判斷，文章基于Python的相關(guān)內(nèi)容展開(kāi)對(duì)文章主題的詳細(xì)介紹，需要的小伙伴可以參考一下2022-04-04
這篇文章主要介紹了Python Socket編程入門(mén)教程,本文包含一個(gè)客戶(hù)端Socket編程實(shí)現(xiàn)和一個(gè)服務(wù)器端Socket編程例子,需要的朋友可以參考下2014-07-07
在本篇文章里小編給大家整理了關(guān)于python程序編譯相關(guān)的知識(shí)點(diǎn)內(nèi)容，有興趣的朋友們參考學(xué)習(xí)下。2020-06-06
python實(shí)現(xiàn)從ftp服務(wù)器下載文件的方法
這篇文章主要介紹了python實(shí)現(xiàn)從ftp服務(wù)器下載文件的方法,涉及Python操作FTP的相關(guān)技巧,非常具有實(shí)用價(jià)值,需要的朋友可以參考下2015-04-04
opencv python Canny邊緣提取實(shí)現(xiàn)過(guò)程解析
這篇文章主要介紹了opencv python Canny邊緣提取實(shí)現(xiàn)過(guò)程解析,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-02-02
python實(shí)現(xiàn)進(jìn)程間通信簡(jiǎn)單實(shí)例
這篇文章主要介紹了python實(shí)現(xiàn)進(jìn)程間通信簡(jiǎn)單實(shí)例,需要的朋友可以參考下2014-07-07
Python3內(nèi)置函數(shù)chr和ord實(shí)現(xiàn)進(jìn)制轉(zhuǎn)換
這篇文章主要介紹了Python3內(nèi)置函數(shù)chr和ord實(shí)現(xiàn)進(jìn)制轉(zhuǎn)換,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-06-06