Transformer文本翻译小技术点总结（实用）

最新推荐文章于 2025-03-09 17:41:45 发布

原创最新推荐文章于 2025-03-09 17:41:45 发布 · 1k 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

人工智能专栏收录该内容

20 篇文章

订阅专栏

1.tf.transpose(input, [0,2,1])

      这个就表示 将input这个Tensor的第1个维度与第2个维度交换,交换之后便可以相乘

2. tf.abs(a) 这个就是取a里面的绝对值.

3. tf.sign(x)

如果x < 0，则有 y = sign(x) = -1；如果x == 0，则有 0 或者tf.is_nan(x)；如果x > 0，则有1。如果x < 0，则有 y = sign(x) = -1；如果x == 0，则有 0 或者tf.is_nan(x)；如果x > 0，则有1。

4. tf.tile(input, #输入 multiples, #某一维度上复制的次数 name=None )

# 如果只有 一个数，就表示在 第一维度（也就是列数）上面将原来的数复制2遍
temp = tf.tile([1,2,3],[2])
# 这个表示的在第一维度（也就是行数）上面将原来的数复制2遍
# 这个表示的在第一维度（也就是列数）上面将原来的数复制3遍
temp2 = tf.tile([[1,2],[3,4],[5,6]],[2,3])
with tf.Session() as sess:
    print(sess.run(temp))
    print(sess.run(temp2))
--------------------- 
[1 2 3 1 2 3]

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

5. tf.ones_like(tensor, dtype = none)

 将Tensor里面的值全部设置成 1

6 tf.equal(A, B)

A = [[1,3,4,5,6]]
B = [[1,3,4,3,2]]
 
with tf.Session() as sess:
    print(sess.run(tf.equal(A, B)))
    
输出：
[[ True  True  True False False]]

7.tf.where(condition, x=None, y=None,name=None)，condition是一个true和false的集合

  当condition 的值为 true时，就在x的对应位置找值
  当condition 的值为 false时，就在y的对应位置找值
  这个就意味着 condition3 的维度必须和x,y一样

x = [[1,2,3],[4,5,6]]
y = [[7,8,9],[10,11,12]]
condition3 = [[True, False, False],
              [False, True, True]]
condition4 = [[True, False, False],
             [True, True, False]]
with tf.Session() as sess:
    print(sess.run(tf.where(condition3,x,y)))
    print(sess.run(tf.where(condition4,x,y)))

[[ 1  8  9]
 [10  5  6]]
[[ 1  8  9]
 [ 4  5 12]]