1. Tensorflow中张量形状变换

tf.argmax

1.1. tf.math.reduce_sum

# 降维加和，比如一个数组是333大小的，那么经过这个操作之后会变为一个数字，即所有元素的加和。
tf.math.reduce_sum(
    input_tensor,
    axis=None,
    keepdims=None,
    name=None,
    reduction_indices=None,
    keep_dims=None
)

x = tf.constant([[1, 1, 1], [1, 1, 1]])
# x.shape=(2,3)
y=tf.reduce_sum(x)   #  6标量
>>>type(y)
tensorflow.python.framework.ops.Tensor
y_result=sess.run(y) #  6标量

tf.reduce_sum(x, 0)  # [2, 2, 2]  y.shape=(3)
tf.reduce_sum(x, 1)  # [3, 3]    y.shape=(2)
tf.reduce_sum(x, 1, keepdims=True)  # [[3], [3]]  y.shape=(1,3)
tf.reduce_sum(x, [0, 1])  # 6 y.shape=标量

1.1.1. tf.reduce_mean

tf.reduce_mean(Tensor)：降维平均，和上面的reduce_sum一样，将高维的数组变为一个数，该数是数组中所有元素的均值。

1.1.2. tf.one_hot()

ndices表示输入的多个数值，通常是矩阵形式；depth表示输出的尺寸。
由于one-hot类型数据长度为depth位,其中只用一位数字表示原输入数据，这里的on_value就是这个数字，默认值为1，one-hot数据的其他位用off_value表示，默认值为0。

tf.one_hot()函数规定输入的元素indices从0开始，最大的元素值不能超过（depth - 1），因此能够表示depth个单位的输入。若输入的元素值超出范围，输出的编码均为 [0, 0 … 0, 0]。

indices = 0 对应的输出是[1, 0 … 0, 0], indices = 1 对应的输出是[0, 1 … 0, 0], 依次类推，最大可能值的输出是[0, 0 … 0, 1]。

代码示例如下：

y=tf.one_hot(
    indices,
    depth,
    on_value=None,
    off_value=None,
    axis=None,
    dtype=None,
    name=None
)
tpye(y)
>>>

labels = [0, 2, -1, 1]
res = tf.one_hot(indices=labels, depth=4, on_value=1.0, off_value=0.0, axis=-1)
b =sess.run(res)
>>> b 
array([[1., 0., 0., 0.],
       [0., 0., 1., 0.],
       [0., 0., 0., 0.],
       [0., 1., 0., 0.]], dtype=float32)

labels = [0, 2, -1, 1]
res = tf.one_hot(indices=labels, depth=4, on_value=1.0, off_value=0.0, axis=1)
b =sess.run(res)
>>> b 
array([[1., 0., 0., 0.],
       [0., 0., 0., 1.],
       [0., 1., 0., 0.],
       [0., 0., 0., 0.]], dtype=float32)

度变化情况为（2 * 2）->（2 * 2 * 4）。

reshape

2. 格式转换

字符串转为数字：
tf.string_to_number(string_tensor, out_type=None, name=None)

转为64位浮点类型–float64：
tf.to_double(x, name=’ToDouble’)

转为32位浮点类型–float32：
tf.to_float(x, name=’ToFloat’)

转为32位整型–int32：
tf.to_int32(x, name=’ToInt32’)

转为64位整型–int64：
tf.to_int64(x, name=’ToInt64’)

将x或者x.values转换为dtype
# tensor a is [1.8, 2.2], dtype=tf.float
# tf.cast(a, tf.int32) ==> [1, 2]，dtype=tf.int32
tf.cast(x, dtype, name=None)