tf.split(dimension, num_split, input)：dimension的意思就是输入张量的哪一个维度，如果是0就表示对第0维度进行切割。num_split就是切割的数量，如果是2就表示输入张量被切成2份，每一份是一个列表。

import tensorflow as tf;
import numpy as np;
A = [[1,2,3],[4,5,6]]
x = tf.split(1, 3, A)
with tf.Session() as sess:
c = sess.run(x)
for ele in c:
print ele

输出：

[[1]
[4]]
[[2]
[5]]
[[3]
[6]]

TensorFlow函数：tf.split

由 Carrie 创建，最后一次修改 2018-03-15

tf.split函数

split(
    value,
    num_or_size_splits,
    axis=0,
    num=None,
    name='split'
)

定义在：tensorflow/python/ops/array_ops.py。

参见指南：张量变换>切割和连接

将张量分割成子张量。

如果 num_or_size_splits 是整数类型，num_split，则 value 沿维度 axis 分割成为 num_split 更小的张量。要求 num_split 均匀分配 value.shape[axis]。

如果 num_or_size_splits 不是整数类型，则它被认为是一个张量 size_splits，然后将 value 分割成 len(size_splits) 块。第 i 部分的形状与 value 的大小相同，除了沿维度 axis 之外的大小 size_splits[i]。

例如：

# 'value' is a tensor with shape [5, 30]
# Split 'value' into 3 tensors with sizes [4, 15, 11] along dimension 1 split0, split1, split2 = tf.split(value, [4, 15, 11], 1) tf.shape(split0) # [5, 4] tf.shape(split1) # [5, 15] tf.shape(split2) # [5, 11] # Split 'value' into 3 tensors along dimension 1 split0, split1, split2 = tf.split(value, num_or_size_splits=3, axis=1) tf.shape(split0) # [5, 10]

函数参数：

value：要分割的 Tensor。
num_or_size_splits：指示沿 split_dim 分割数量的 0-D 整数 Tensor 或包含沿 split_dim 每个输出张量大小的 1-D 整数 Tensor ；如果为一个标量，那么它必须均匀分割 value.shape[axis]；否则沿分割维度的大小总和必须与该 value 相匹配。
axis：A 0-D int32 Tensor；表示分割的尺寸；必须在[-rank(value), rank(value))范围内；默认为0。
num：可选的，用于指定无法从 size_splits 的形状推断出的输出数。
name：操作的名称（可选）。

函数返回值：

如果 num_or_size_splits 是标量，返回 num_or_size_splits Tensor对象；如果 num_or_size_splits 是一维张量，则返回由 value 分割产生的 num_or_size_splits.get_shape[0] Tensor对象。

函数可能引发的异常：

ValueError：如果 num 没有指定并且无法推断。

tf.split

TensorFlow函数：tf.split

tf.split函数

猜你喜欢