1.tf.split(axis, num_or_size_splits,value)
該函數是通道拆分函數，將原來的的多通道tensor，拆分為單通道
axis：拆分的維度
num_or_size_splits：拆分為幾份
value：需要拆分的tensor

實例：

import tensorflow as tfa = tf.random_uniform((4,2,3))c1,c2,c3 = tf.split(axis = 2, num_or_size_splits = 3, value = a)sess = tf.Session()print(sess.run(a))print(sess.run(c1))ouptut: >>>[[[0.0217129 0.0620898 0.9197613 ][0.00816453 0.26460588 0.45891762]][[0.5298958 0.92715514 0.9984776 ][0.8907709 0.3258146 0.7756392 ]][[0.20484614 0.7365011 0.8002026 ][0.8510926 0.44176805 0.10259783]][[0.53181267 0.49676466 0.527159 ][0.07174098 0.03045177 0.8065448 ]]]>>>[[[0.0217129 ][0.00816453 ]][[0.5298958 ][0.8907709 ]][[0.20484614 ][0.8510926 ]][[0.53181267 ][0.07174098 ]]]

值得注意的是，num_or_size_splits必須能被選中的（axis = ‘’）維度的維度值整除，不然會報錯。

2.tf.clip_by_value(image, min, max)
該函數是將張量中小于min的值取min，大于max的取max

實例：

import tensorflow as tfa = tf.constant([-1,0,0.5,1,1.1])o1 = tf.clip_by_value(a,0.0,1.0)sess = tf.Session()print(sess.run(o1))output: >>>[0. 0. 0.5 1. 1. ]

3.tf.cond()
類似if....else....的分支結構
函數原型：cond ( pred , true_fn = None , false_fn = None , strict = False , name = None , fn1 = None , fn2 = None )
參數解釋：

• pred：標量決定是否返回 true_fn 或 false_fn 結果.
• true_fn：要調用的已定義的函數，如果 pred 為 true,則被調用.
• false_fn：要調用的已定義的函數，如果 pred 為 false,則被調用.
• strict：啟用/禁用 “嚴格”模式的布爾值.
• name：返回的張量的可選名稱前綴.

實例：

do_it = tf.less(tf.random_uniform([]), probability) image = tf.cond(do_it, lambda: manipulate(image), lambda: image)

?

總結

以上是生活随笔為你收集整理的记录 之 tensorflow 常用函数：tf.split()，tf.clip_by_value() 和 tf.cond()的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。