先看一下flatten的具體用法
1-對(duì)于一般數(shù)值，可以直接flatten

>>> a=array([[1,2],[3,4],[5,6]]) >>> a array([[1, 2],[3, 4],[5, 6]]) >>> a.flatten() array([1, 2, 3, 4, 5, 6])

2-對(duì)列表變量，需要做一下處理

>>> a=array([[1,2],[3,4],[5,6]]) >>> [y for x in a for y in x] [1, 2, 3, 4, 5, 6]

3-對(duì)mat對(duì)象

>>> a = [[1,3],[2,4],[3,5]] >>> a = mat(a) >>> y = a.flatten() >>> y matrix([[1, 3, 2, 4, 3, 5]]) >>> y = a.flatten().A >>> y array([[1, 3, 2, 4, 3, 5]]) >>> shape(y) (1, 6) >>> shape(y[0]) (6,) >>> y = a.flatten().A[0] >>> y array([1, 3, 2, 4, 3, 5])

4-壓縮（reduce）

slopes=tf.sqrt(tf.reduce_sum(tf.square(gradients),reduction_indices=[1])

其中reduction_indices=1表示按行壓縮，=0表示按列壓縮
5-reshape

tf.reshape(tensor,shape,name=None)

tensor是我們輸入的張量，shape是我們希望輸入變成什么形狀，其中的shape為一個(gè)列表形式，特殊的是列表可以實(shí)現(xiàn)逆序的遍歷，即list(-1).-1所代表的含義是我們不用親自去指定這一維的大小，函數(shù)會(huì)自動(dòng)進(jìn)行計(jì)算，但是列表中只能存在一個(gè)-1。如一個(gè)6元素的數(shù)組，想要reshape成2*3時(shí)，下面三種寫法得到的結(jié)果都是一樣的

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

總結(jié)

以上是生活随笔為你收集整理的深度学习中张量flatten处理（flatten，reshape，reduce）的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。