Tensor Manipulation

1D Array & Slicing

# https://www.tensorflow.org/api_guides/python/array_ops
import tensorflow as tf
import numpy as np
import pprint
tf.set_random_seed(777)  # for reproducibility
 
pp = pprint.PrettyPrinter(indent=4)
sess = tf.InteractiveSession()

t = np.array([0., 1., 2., 3., 4., 5., 6.])
pp.pprint(t)
print(t.ndim) # rank = 1
print(t.shape) # shape = (7,)
print(t[0], t[1], t[-1]) # -1은 맨 끝을 의미
print(t[2:5], t[4:-1])
print(t[:2], t[3:])

array([0., 1., 2., 3., 4., 5., 6.])
1
(7,)
0.0 1.0 6.0
[2. 3. 4.] [4. 5.]
[0. 1.] [3. 4. 5. 6.]

Shape

shape는 이 텐서의 모양이 어떤지를 의미한다.

t = np.array([[1., 2., 3.], [4., 5., 6.], [7., 8., 9.], [10., 11., 12.]])
pp.pprint(t)
print(t.shape) # shape (4, 3)

shape를 판단할 때는 가장 안쪽의 값부터 세서 오른쪽 끝부터 채운다.

Rank

t = np.array([[1., 2., 3.], [4., 5., 6.], [7., 8., 9.], [10., 11., 12.]])
pp.pprint(t)
print(t.ndim) # rank 2

괄호의 개수라고 생각하자!

Axis

[
    [
        [
            [1,2,3,4], 
            [5,6,7,8],
            [9,10,11,12]
        ],
        [
            [13,14,15,16],
            [17,18,19,20], 
            [21,22,23,24]
        ]
    ]
]

rank의 개수만큼 축의 개수가 생긴다. 이 경우는 4이다.

제일 안쪽에 있는 괄호부터 axis 3(-1이라고도 함)

제일 바깥쪽에 있는 괄호는 axis 0 이다.

Reduce mean

안의 요소는 int형으로 할 경우 float로 출력안된다!

따라서 1. 2. 이런식으로 써주자.

tf.reduce_mean([1, 2], axis=0).eval() # 1

x = [[1., 2.],
     [3., 4.]]
 
tf.reduce_mean(x).eval() # 2.5

tf.reduce_mean(x, axis=0).eval() # [2. 3.]
tf.reduce_mean(x, axis=1).eval() # [1.5 3.5]
tf.reduce_mean(x, axis=-1).eval() # [1.5 3.5]

reduce sum, Argmax도 같은 원리로 동작한다!

Reshape

t = np.array([[[0, 1, 2], 
               [3, 4, 5]],
              
              [[6, 7, 8], 
               [9, 10, 11]]])
t.shape

(2, 2, 3)

# -1은 너마음대로 만들어! 라는 얘기!
tf.reshape(t, shape=[-1, 3]).eval()

array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])

Squeeze

tf.squeeze([[0], [1], [2]]).eval()
# array([0, 1, 2], dtype=int32)

Expand

tf.expand_dims([0, 1, 2], 1).eval()

array([[0],
       [1],
       [2]], dtype=int32)

One-hot

tf.one_hot([[0], [1], [2], [0]], depth=3).eval()

array([[[ 1.,  0.,  0.]],
 
       [[ 0.,  1.,  0.]],
 
       [[ 0.,  0.,  1.]],
 
       [[ 1.,  0.,  0.]]], dtype=float32)

자동적으로 rank가 하나가 추가되는 결과를 가져온다.

0 대신에 0을 나타내주는 one-hot array로 대체되었기 때문이다.

우리는 [0] 자체를 바꿔주고 싶은 것이기 때문에 reshape를 해준다.

t = tf.one_hot([[0], [1], [2], [0]], depth=3)
tf.reshape(t, shape=[-1, 3]).eval()

array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.],
       [ 1.,  0.,  0.]], dtype=float32)

Casting

tf.cast([1.8, 2.2, 3.3, 4.9], tf.int32).eval()

array([1, 2, 3, 4], dtype=int32)

자료형을 변환해서 던져주는 역할!

만약 요소의 자료형과 같은 것을 넘겨주면 그대로(as-is)를 넘겨주는 것과 동일함

tf.cast([True, False, 1 == 1, 0 == 1], tf.int32).eval()

array([1, 0, 1, 0], dtype=int32)

위의 값들을 다 숫자로 바꿔버린 후 합한다.

accuracy 측정할 때 이 방법을 사용하면 아주 유용하다!

Stack

x = [1, 4]
y = [2, 5]
z = [3, 6]
 
# Pack along first dim.
tf.stack([x, y, z]).eval()

array([[1, 4],
       [2, 5],
       [3, 6]], dtype=int32)

기본 설정은 axis = 0으로 되어 있다.

가장 바깥 괄호에 해당하도록 쌓아진다.

tf.stack([x, y, z], axis=1).eval()

array([[1, 2, 3],
       [4, 5, 6]], dtype=int32)

그 다음 괄호에서 같은 index에 있는 녀석끼리 묶인다.

0은 열 1은 행이라 생각하면 편하다.

Ones and Zeros like

내가 가진 텐서의 shape와 동일하되, 1 또는 0으로 찬 행렬이 갖고 싶다!

x = [[0, 1, 2],
     [2, 1, 0]]
 
tf.ones_like(x).eval()
 
# array([[1, 1, 1],
#      [1, 1, 1]], dtype=int32)

tf.zeros_like(x).eval()
# array([[0, 0, 0],
#       [0, 0, 0]], dtype=int32)

Zip

for x, y in zip([1, 2, 3], [4, 5, 6]):
    print(x, y)

1 4
2 5
3 6

for x, y, z in zip([1, 2, 3], [4, 5, 6], [7, 8, 9]):
    print(x, y, z)

1 4 7
2 5 8
3 6 9