Python–tensorflow . dynamic _ partition()
原文:https://www . geesforgeks . org/python-tensorflow-dynamic _ partition/
TensorFlow 是谷歌设计的开源 Python 库，用于开发机器学习模型和深度学习神经网络。
dynamic_partition() 用于将数据划分为若干分区。
语法:tensorflow . dynamic _ partition(数据、分区、num_partitions、名称)
参数:
- 数据:需要分区的是输入张量。
- 分区:是 int32 类型的 Tensor，它的数据应该在[0，num _ partitions 范围内。
- num_partitions: 定义分区的数量。
- 名称(可选):定义操作的名称。
返回:
它返回一个包含 num_partitions 项的张量列表。列表中的每个张量都有与数据相同的数据类型。
示例 1: 将数据划分为两个分区
Python 3
# Importing the library
import tensorflow as tf
# Initializing the input
data = [1, 2, 3, 4, 5]
num_partitions = 2
partitions = [0, 0, 1, 0, 1]
# Printing the input
print('data: ', data)
print('partitions:', partitions)
print('num_partitions:', num_partitions)
# Calculating result
x = tf.dynamic_partition(data, partitions, num_partitions)
# Printing the result
print('x[0]: ', x[0])
print('x[1]: ', x[1])
输出:
data: [1, 2, 3, 4, 5]
partitions: [0, 0, 1, 0, 1]
num_partitions: 2
x[0]: tf.Tensor([1 2 4], shape=(3, ), dtype=int32)
x[1]: tf.Tensor([3 5], shape=(2, ), dtype=int32)
例 2: 分成 3 个张量
Python 3
# Importing the library
import tensorflow as tf
# Initializing the input
data = [1, 2, 3, 4, 5, 6, 7]
num_partitions = 3
partitions = [0, 2, 1, 0, 1, 2, 2]
# Printing the input
print('data: ', data)
print('partitions:', partitions)
print('num_partitions:', num_partitions)
# Calculating result
x = tf.dynamic_partition(data, partitions, num_partitions)
# Printing the result
print('x[0]: ', x[0])
print('x[1]: ', x[1])
print('x[2]: ', x[2])
输出:
data: [1, 2, 3, 4, 5, 6, 7]
partitions: [0, 2, 1, 0, 1, 2, 2]
num_partitions: 3
x[0]: tf.Tensor([1 4], shape=(2, ), dtype=int32)
x[1]: tf.Tensor([3 5], shape=(2, ), dtype=int32)
x[2]: tf.Tensor([2 6 7], shape=(3, ), dtype=int32)
版权属于：月萌API www.moonapi.com，转载请注明出处
