浅谈tensorflow使用张量时的一些注意点tf.concat,tf.reshape,tf.stack

在深度学习领域中，Tensorflow作为一种深度学习框架，经常被使用到。在Tensorflow中，数据以张量（Tensor）的形式表示。张量是一个多维数组，由一个向量（一维数组）扩展而来，向量又由标量（零维数组）扩展而来。Tensorflow提供了一些操作，以便我们对张量进行处理，其中包括tf.concat、tf.reshape和tf.stack等。

1.tf.concat

tf.concat是将多个张量拼接在一起的操作，可以实现在相应的轴上进行拼接。例如，将两个张量在第0个维度上组合成一个张量。代码如下：

```python

import tensorflow as tf

a = tf.constant([[1, 2], [3, 4]])

b = tf.constant([[5, 6], [7, 8]])

c = tf.concat([a, b], axis=0)

sess = tf.Session()

print(sess.run(c))

```

输出结果如下：

```

[[1 2]

[3 4]

[5 6]

[7 8]]

```

需要注意的是，tf.concat操作中的维度必须是相同的。如果维度不同，则需要使用tf.expand_dims将其扩展到相同的维度。例如，将一个3x2的张量与一个2x3的张量在第1个维度上组合成一个张量。代码如下：

```python

import tensorflow as tf

a = tf.constant([[1, 2], [3, 4], [5, 6]])

b = tf.constant([[7, 8, 9], [10, 11, 12]])

b = tf.transpose(b)

a = tf.expand_dims(a, 2)

b = tf.expand_dims(b, 0)

c = tf.concat([a, b], axis=1)

sess = tf.Session()

print(sess.run(c))

```

输出结果如下：

```

[[[ 1 2]

[ 3 4]

[ 5 6]]

[[ 7 8]

[10 11]

[12 13]]]

```

2.tf.reshape

tf.reshape是将张量重新组合成不同形状的操作。例如，将一个4x3的张量转换为一个2x6的张量。代码如下：

```python

import tensorflow as tf

a = tf.constant([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])

b = tf.reshape(a, [2, 6])

sess = tf.Session()

print(sess.run(b))

```

输出结果如下：

```

[[ 1 2 3 4 5 6]

[ 7 8 9 10 11 12]]

```

需要注意的是，tf.reshape操作中的元素数量必须与原始张量中的元素数量相同。否则，会出现错误。例如，将一个4x3的张量转换为一个3x3的张量。代码如下：

```python

import tensorflow as tf

a = tf.constant([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])

b = tf.reshape(a, [3, 3])

sess = tf.Session()

print(sess.run(b))

```

输出结果如下：

```

InvalidArgumentError: Input to reshape is a tensor with 12 values, but the requested shape requires a multiple of 9

```

3.tf.stack

tf.stack是将多个张量沿着一个新的维度组合在一起的操作。例如，将两个2x3的张量在第0个维度上组合成一个2x3x2的张量。代码如下：

```python

import tensorflow as tf

a = tf.constant([[1, 2, 3], [4, 5, 6]])

b = tf.constant([[7, 8, 9], [10, 11, 12]])

c = tf.stack([a, b], axis=0)

sess = tf.Session()

print(sess.run(c))

```

输出结果如下：

```

[[[ 1 2 3]

[ 4 5 6]]

[[ 7 8 9]

[10 11 12]]]

```

需要注意的是，tf.stack操作中的张量维度必须相同。否则，会出现错误。例如，将一个2x3的张量与一个3x2的张量在第0个维度上组合成一个2x3x2的张量。代码如下：

```python

import tensorflow as tf

a = tf.constant([[1, 2, 3], [4, 5, 6]])

b = tf.constant([[7, 8], [9, 10], [11, 12]])

c = tf.stack([a, b], axis=0)

sess = tf.Session()

print(sess.run(c))

```

输出结果如下：

```

ValueError: Shapes (2, 3) and (3, 2) are not compatible

```

综上所述，使用Tensorflow的tf.concat、tf.reshape和tf.stack操作时，需要注意的一些点包括：维度必须相同、元素数量必须相同、张量维度必须相同等。只有在清楚了解这些问题，并做好相应的处理，才能更好地进行深度学习的工作。