tf.split()函数的用法 - tensorflow

在tensorflow的代码里经常看到tf.split()这个函数，我们来看看这个具体用法

tf.split(
    value,
    num_or_size_splits,
    axis=0,
    num=None,
    name='split'
)

把一个张量划分成几个子张量：

value：准备切分的张量
num_or_size_splits：准备切成几份
axis : 准备在第几个维度上进行切割

其中分割方式分为两种

如果num_or_size_splits传入的是一个整数，那直接在axis=D这个维度上把张量平均切分成几个小张量
如果num_or_size_splits传入的是一个向量（这里向量各个元素的和要跟原本这个维度的数值相等）就根据这个向量有几个元素分为几项）
举个例子

# 张量为（5， 30）
# 这个时候5是axis=0， 30是axis=1，如果要在axis=1这个维度上把这个张量拆分成三个子张量
# 传入向量时
split0, split1, split2 = tf.split(value, [4, 15, 11], 1)
tf.shape(split0)  # [5, 4]
tf.shape(split1)  # [5, 15]
tf.shape(split2)  # [5, 11]
# 传入整数时
split0, split1, split2 = tf.split(value, num_or_size_splits=3, axis=1)
tf.shape(split0)  # [5, 10]

在来个详细的例子：

import tensorflow as tf

value = [[1, 2, 3, 4],
         [5, 6, 7, 8],
         [9, 10, 11, 12]]

print('axis=0时，拆分....')
split0, split1, split2 = tf.split(value, [1, 1, 1], 0)
with tf.Session() as sess:
    print(sess.run(split0))
    print("------------")
    print(sess.run(split1))
    print("------------")
    print(sess.run(split2))

print('axis=1时，拆分....')
split0, split1, split2 = tf.split(value, [1, 2, 1], 1)
with tf.Session() as sess:
    print(sess.run(split0))
    print("------------")
    print(sess.run(split1))
    print("------------")
    print(sess.run(split2))

运行结果：

[[1 2 3 4]]
------------
[[5 6 7 8]]
------------
[[ 9 10 11 12]]
axis=1时，拆分....
[[1]
 [5]
 [9]]
------------
[[ 2  3]
 [ 6  7]
 [10 11]]
------------
[[ 4]
 [ 8]
 [12]]

tf.split()函数的用法 - tensorflow

昵称