tensorflow2.x学习笔记二十一：张量的定义、切片

一、创建张量

二 ，索引切片

• 张量的索引切片方式和numpy几乎是一样的。切片时支持缺省参数和省略号。

• 对于tf.Variable,可以通过索引和切片对部分元素进行修改。

• 对于提取张量的连续子区域，也可以使用tf.slice.

• 此外，对于不规则的切片提取,可以使用tf.gather,tf.gather_nd,tf.boolean_mask。

• tf.boolean_mask功能最为强大，它可以实现tf.gather, tf.gather_nd的功能，并且tf.boolean_mask还可以实现布尔索引。

• 如果要通过修改张量的某些元素得到新的张量，可以使用tf.where， tf.scatter_nd。

以上切片方式相对规则，对于不规则的切片提取,可以使用tf.gather, tf.gather_nd, tf.boolean_mask。

考虑班级成绩册的例子，有4个班级，每个班级10个学生，每个学生7门科目成绩。可以用一个4107的张量来表示。

以上tf.gather和tf.gather_nd的功能也可以用tf.boolean_mask来实现。

• 以上这些方法仅能提取张量的部分元素值，但不能更改张量的部分元素值得到新的张量。

• 如果要通过修改张量的部分元素值得到新的张量，可以使用tf.where和tf.scatter_nd。

• tf.where可以理解为if的张量版本，此外它还可以用于找到满足条件的所有元素的位置坐标。

• tf.scatter_nd的作用和tf.gather_nd有些相反，tf.gather_nd用于收集张量的给定位置的元素，

• 而tf.scatter_nd可以将某些值插入到一个给定shape的全0的张量的指定位置处。
  
  
  

参考文章：eat_tensorflow2_in_30_days

关于tf.where，tf.boolean_mask的具体解释请看我的另一篇博客：tensorflow2.x学习笔记二十二：tf.where和tf.boolean_mask的使用