tensorflow高阶操作

本篇内容有：如何根据坐标有目的的选择（where）、如何根据坐标有目的的更新（scatter_nd）、如何生成一个坐标系（）

1.where

where针对的tensor是一个bool类型的tensor，即元素都由True或False组成，where(tensor)返回元素为True的位置

# 随机生成符合正态分布的[3,3]的tensor
a = tf.random.normal([3,3])
print(a)
# 将其对应的bool矩阵赋值给mask
mask = a>0
print(mask)
# 通过mask取到true对应的a的元素值
print(tf.boolean_mask(a,mask))
# 通过where获取true的位置
indices = tf.where(mask)
print(indices)
# 通过indices从a中取元素
print(tf.gather_nd(a,indices))

print(mask)
# 定义A tensor元素全为1
A = tf.ones([3,3])
# 定义B tensor元素全为0
B = tf.zeros([3,3])
# 采样时取A上的true B上的false
print(tf.where(mask,A,B))

 

2.scatter_nd

# 指定更新值的index
indices = tf.constant([[4],[3],[1],[7]])
# 指定更新元素
updates = tf.constant([9,10,11,12])
# 指定底板shape
shape = tf.constant([8])
print(tf.scatter_nd(indices,updates,shape))

 

 

# 指定更新元素的索引
indices = tf.constant([[0],[2]])
# 指定更新元素的值
updates = tf.constant([
    [[5,5,5,5],[6,6,6,6],[7,7,7,7],[8,8,8,8]],
    [[5,5,5,5],[6,6,6,6],[7,7,7,7],[8,8,8,8]]
])
print(updates.shape)
# 指定底板shape
shape = tf.constant([4,4,4])
print(tf.scatter_nd(indices,updates,shape))

 

3.meshgrid

# 生成y轴，范围-2,2，元素个数5个
y = tf.linspace(-2,2,5)
print(y)
# 按照相同方式生成x轴
x = tf.linspace(-2,2,5)
# 生成坐标系
points_x,points_y = tf.meshgrid(x,y)
print(points_x.shape)

然后通过tf.stack方法，即可实现x和y的合并，从而生成点的坐标