记录 之 tensorflow 常用函数：tf.split()，tf.clip_by_value() 和 tf.cond()

1.tf.split(axis, num_or_size_splits,value)
该函数是通道拆分函数，将原来的的多通道tensor，拆分为单通道
axis：拆分的维度
num_or_size_splits：拆分为几份
value：需要拆分的tensor

实例：

import tensorflow as tf

a = tf.random_uniform((4,2,3))

c1,c2,c3 = tf.split(axis = 2, num_or_size_splits = 3, value = a)

sess = tf.Session()

print(sess.run(a))

print(sess.run(c1))

ouptut:
>>>[[[0.0217129  0.0620898  0.9197613 ]
  [0.00816453 0.26460588 0.45891762]]

 [[0.5298958  0.92715514 0.9984776 ]
  [0.8907709  0.3258146  0.7756392 ]]

 [[0.20484614 0.7365011  0.8002026 ]
  [0.8510926  0.44176805 0.10259783]]

 [[0.53181267 0.49676466 0.527159  ]
  [0.07174098 0.03045177 0.8065448 ]]]

>>>[[[0.0217129 ]
    [0.00816453 ]]

    [[0.5298958 ]
     [0.8907709 ]]

    [[0.20484614 ]
     [0.8510926  ]]

    [[0.53181267 ]
     [0.07174098 ]]]

值得注意的是，num_or_size_splits必须能被选中的（axis = ‘’）维度的维度值整除，不然会报错。

2.tf.clip_by_value(image, min, max)
该函数是将张量中小于min的值取min，大于max的取max

实例：

import tensorflow as tf

a = tf.constant([-1,0,0.5,1,1.1])

o1 = tf.clip_by_value(a,0.0,1.0)

sess = tf.Session()

print(sess.run(o1))

output:
>>>[0.  0.  0.5 1.  1. ]

3.tf.cond()
类似if....else....的分支结构
函数原型：cond ( pred , true_fn = None , false_fn = None , strict = False , name = None , fn1 = None , fn2 = None )
参数解释：

• pred：标量决定是否返回 true_fn 或 false_fn 结果.
• true_fn：要调用的已定义的函数，如果 pred 为 true,则被调用.
• false_fn：要调用的已定义的函数，如果 pred 为 false,则被调用.
• strict：启用/禁用 “严格”模式的布尔值.
• name：返回的张量的可选名称前缀.

实例：

do_it = tf.less(tf.random_uniform([]), probability)
image = tf.cond(do_it, lambda: manipulate(image), lambda: image)