tf.create_partitioned_variables 是如何工作的？
How does tf.create_partitioned_variables work?
我正在想办法使用 tf.create_partitioned_variables
我正在阅读文档，但我很难理解。
谁能解释一下它是如何工作的并举例说明它的用法？
据我了解，我可以使用它从变量中获取切片列表。
我只是不明白我是怎么得到切片的
例如：
我如何从 tf.Variable(np.array([[1.0],[3.0]]), dtype=tf.float32)
中获取 [[1.],[3.]] 的列表
或
列表
[[[1 0] [3 0]], [[0 5] [0 7]]]
来自
[[[1 0]
[3 0]]
[[0 5]
[0 7]]]
前 3 个参数是必需的。第一个是输入张量的形状。二是拆分规范。 API 目前仅支持一维分割。拆分规范与形状具有相同的维数，一个拆分 >= 1，其他拆分为 1。最后一个参数是张量本身，或者 returns 它的可调用对象。
第一个例子：
tf.create_partitioned_variables(v.shape, [2, 1], v)
第二个例子：
[tf.squeeze(v)
for v in tf.create_partitioned_variables(
v.shape, [2, 1, 1], v)]
我正在想办法使用 tf.create_partitioned_variables 我正在阅读文档，但我很难理解。
谁能解释一下它是如何工作的并举例说明它的用法？
据我了解，我可以使用它从变量中获取切片列表。 我只是不明白我是怎么得到切片的
例如：
我如何从 tf.Variable(np.array([[1.0],[3.0]]), dtype=tf.float32)
[[1.],[3.]] 的列表
或
列表[[[1 0] [3 0]], [[0 5] [0 7]]]
来自
[[[1 0]
[3 0]]
[[0 5]
[0 7]]]
前 3 个参数是必需的。第一个是输入张量的形状。二是拆分规范。 API 目前仅支持一维分割。拆分规范与形状具有相同的维数，一个拆分 >= 1，其他拆分为 1。最后一个参数是张量本身，或者 returns 它的可调用对象。
第一个例子：
tf.create_partitioned_variables(v.shape, [2, 1], v)
第二个例子：
[tf.squeeze(v)
for v in tf.create_partitioned_variables(
v.shape, [2, 1, 1], v)]