张量-序列比较与索引提取

tf.argmin(input,axis,name = None)该函数用于返回input中最小值的索引index

tf.argmax(input,axis,name = None)该函数用于返回input中最大值的索引index

示例代码如下:

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

a = tf.constant([[1,8,3],[4,5,6]])


with tf.Session() as sess:
    print(sess.run(tf.argmin(a)))
    print(sess.run(tf.argmax(a)))

tf.setdiff1d(x,y,name = None)该函数用于返回x、y之间不同值的索引。返回的值共有两个:1、在x中出现,但是在y中没有出现的元素 2、这些元素在x中的索引,也就是下标或者位置。

示例代码如下:

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

x = tf.constant([2,9,1,8,2,5,10])
y = tf.constant([2,5,6,7,8,3,9])

diff,index = tf.setdiff1d(x,y)

with tf.Session() as sess:
    print(sess.run(diff))
    print(sess.run(index))

tf.where(condition,x = None,y = None,name = None)该函数根据指定的条件,返回对应的值或坐标。如果x和y都为None,则返回condition中值为true的元素坐标,坐标以二维张量返回。如果x和y都不为None,则返回condition中值为true的坐标在x内的值以及condition中值为false的坐标在y内的值。这里,x和y必须具有相同的形状。

示例代码如下:

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

cond = [True,False,True,False]
x = [2,9,1,8]
y = [4,5,6,7]

with tf.Session() as sess:
    print(sess.run(tf.where(cond)))
    print(sess.run(tf.where(cond,x,y)))

tf.unique(x,name = None)该函数返回一个张量,包含两个值:1、x中所有元素唯一化的数据列表y 2、x中的数据对应y元素的索引index。

示例代码如下:

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

x = [2,2,3,5,5,7,9,8,8]
y,index = tf.unique(x)

with tf.Session() as sess:
    print(sess.run(y))
    print(sess.run(index))

tf.invert_permutation(x,name = None)该函数用于将x中元素的值当作索引,返回新的张量。

示例代码如下:

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

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

with tf.Session() as sess:
    print(sess.run(y))

tf.random_shuffle(value,seed = None,name = None)该函数沿着value的第一维将value随机重新排列。

示例代码如下:

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

x = [[2,1,3],[0,4,3],[5,6,8]]
y = tf.random_shuffle(x)

with tf.Session() as sess:
    print(sess.run(y))
    print("--------------------------")
    print(sess.run(y))
    print("--------------------------")
    print(sess.run(y))