1 排序¶
1.1 sort:返回逆序排序后的Tensor¶
import tensorflow as tf
a = tf.random.shuffle(tf.range(6))
a
tf.sort(a) # 默认是顺序排列
tf.sort(a, direction='ASCENDING') # 默认顺序排列
tf.sort(a, direction='DESCENDING') # 指定逆序排列
也对多维Tensor排序,当对多维Tensor进行排序时,可以通过axis参数指定需要排序的维度,默认axis默认值为-1,也就是对最后一维进行排序。
b = tf.random.uniform([3, 3], minval=1, maxval=10,dtype=tf.int32)
b
tf.sort(b)
tf.sort(b,axis=0) # 通过axis参数指定第一维度,也就是列进行排序
1.2 argsort:返回排序后的索引¶
a
tf.argsort(a, direction='ASCENDING') # 返回排序之后的索引组成的Tensor, 默认是顺序排列
tf.argsort(a, direction='DESCENDING') # n逆序排列
可以通过axis参数指定需要排序的维度,默认获取-1维度排序后索引:
b
tf.argsort(b) # 默认对最后一维度排序,也就是以行为单位排序
tf.argsort(b,axis=0) # 指定第一维度进行排序,也就是以列为单位进行排序
返回的张量中,每一个元素表示b中原来元素在该行中的索引。
1.3 top_k:返回逆序排序后的前$k$个元素组成的Tensor¶
sort()方法和argsort()方法都是对给定Tensor的所有元素进行排序,在某些情况下如果我们只是要获取排序的前几个元素,这时候使用sort()或argsort()方法就有些浪费时间了,这时候可以使用top_k()方法。top_k()方法可以指定获取前k个元素。
注意:top_k()方法在tf.math模块中。
a
top_2 = tf.math.top_k(a, 2) # 获取排序后前两位
top_2
从上述输出可以看到,top_k()方法返回的是一个TopKV2类型对象,内部包含两部分数据:第一部分是排序后的真实数据[5, 4],可以通过TopKV2对象的values属性获取;第二部分是排序后数据所在原Tensor中的索引[2, 5],可以通过TopKV2对象的indices获取。
top_2.values
top_2.indices
对于高维Tensor也是一样的:
b
tf.math.top_k(b, 2)
注意:top_k()方法只能对最后一维度进行排序。
2 最小值、最大值、平均值¶
2.1 reduce_min、reduce_max、reduce_mean¶
(1)reduce_min():求最小值
a = tf.random.uniform([3, 3], minval=1, maxval=10, dtype=tf.int32)
a
不指定维度时,获取整个Tensor的最小值:
tf.reduce_min(a) # 最小值
通过axis参数可以对指定维度求最小值:
tf.reduce_min(a, axis=0) # 求指定维度的最小值
(2)reduce_max():求最大值
tf.reduce_max(a) # 最大值
tf.reduce_max(a, axis=-1) # 求最后一维度的最大值
(3)reduce_mean():求平均值
不指定维度时,求整个Tensor所有元素的平均值:
tf.reduce_mean(a) # 整个Tensor所有元素的平均值
tf.reduce_mean(a, axis=0) # 求第一维度(行)均值
在上面求均值的例子中,因为Tensor的dtype为int32,所以求出来的均值也是int32,而不是浮点型。如果需要求浮点型的均值,就需要将a的类型先转换为float32:
tf.reduce_mean(tf.cast(a, tf.float32), axis=0)
2.2 argmin()、argmax()¶
argmin()、argmax()返回最大值最小值的索引组成的Tensor。
(1)argmin():求最小值索引
a = tf.random.uniform([3,3],minval=1, maxval=10, dtype=tf.int32)
a
b = tf.random.uniform([3,3,3],minval=1, maxval=10, dtype=tf.int32)
b
tf.argmin(a) # 默认是第0维度
tf.argmin(b)
对于shape为(3, 3)的Tensor,argmin(a)返回的是shape为(3,)的Tensor,因为没有指定比较的维度,默认比较的是第0维度的元素,也就是每一列数据;对于shape为(3,3,3)的Tensor,argmin(a)返回的是shape为(3,3)的Tensor,默认比较的是第0维度的元素,也就是每一块对应位置的元素,例如第一块的5、第二块的9、第三块的9比较,第一块的5最小,索引为0,所以返回的Tensor中第一个元素是0。
注意:argmin()方法在没有指定维度时,默认返回的是第0维度最小值的索引,这与reducemin()方法不同,reducemin()方法在没有指定维度是是返回整个Tensor中所有元素中的最小值。
(2)argmax():求最大值索引
a = tf.random.uniform([3,3,3],minval=1, maxval=10, dtype=tf.int32)
a
tf.argmax(a, axis=0) # 第一维度,也就是每一块
tf.argmax(a, axis=2) # 第三维度,也就是每一行