效果：

将一个张量值value切分成子张量列表。

tf.split(
    value, num_or_size_splits, axis=0, num=None, name='split'
)

如果num_or_size_splits为整数，则将张量value其沿维度axis拆分成大小为num_or_size_splits较小的张量。这就要求 value.shape[axis] 能被 num_or_size_splits整除。

如果num_or_size_splits为一维张量（或列表），则将value其拆分为 len(num_or_size_splits)个元素。第i个元素的形状与value的相同，除了沿维度轴的大小为num_or_size_splitting [i]。

参数含义

参数名称 具体含义
value 需要切分的张量
num_or_size_splits 表示沿轴分割数的整数或一维整数张量或 包含沿轴每个输出张量大小的Python列表。如果是标量，则必须均匀分割value.shape[axis];否则，沿拆分轴的大小之和必须与值的大小之和匹配。
axis 一个整数或int32类型张量。表示切分的维度。必须在[rank(value)， rank(value)]范围内。默认值为0。
num 可选，用于指定，当不能从size_split的形状推断输出的数量。
name 操作的名称(可选)。

返回值

如果num_or_size_splitting是标量，则返回num_or_size_splitting个张量对象的列表;如果num_or_size_splitting是一维张量，则返回num_or_size_splitting.get_shape[0]个分割value得到的张量对象。

实例

value = tf.Variable(tf.random.uniform([5, 6], -1, 1))

产生的value的值

#沿着axis=1将value切分为3个张量
s0, s1 = tf.split(value, num_or_size_splits=2, axis=1)

s0的值：
在这里插入图片描述

#将value按照尺寸[1,2,1]切分，在轴axis=1上
split0, split1, split2 = tf.split(value, [1, 2, 1], 1)
split0

split0:
在这里插入图片描述
split1:
在这里插入图片描述

# tensorflow # python # 机器学习
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

cover

智能体Agent自学教程推荐，Hello-Agents

avatar 2048 AI社区

从NP-hard到梯度下降：神经-符号架构如何破解因果发现的“计算魔咒”

我们从因果发现的NP-hard困境出发，见证了连接主义与符号主义两大AI流派的局限与互补，并最终深入探索了神经-符号混合架构如何通过将离散搜索转化为连续优化，为这一古老难题提供了全新的、强大的解决方案。它要做的，就是让神经网络的“直觉”在符号逻辑的“缰绳”的引导下，朝着正确的方向前进。要理解NP-hard，需要先建立它与“计算问题复杂度”的核心关联——它描述的是一类“至少和NP问题中最难的问题一样

avatar 2048 AI社区

2026 AI市场分析工具榜单：原圈科技如何将外部舆情化为核心资产？

回望2026年的商业 landscape，风起云涌，竞争无处不在。企业间的比拼，已不再仅仅是产品、价格或渠道的比拼，更是"认知深度"和"反应速度"的比拼。谁能更深刻地理解市场，谁能更快地响应变化，谁就能在这场无限游戏中脱颖而出。构建一个能够动态整合外部舆情、持续自我进化的"活"知识库，已经成为企业通过AI市场分析构筑核心竞争壁垒的关键所在。它如同一面永不失真的镜子，实时映照出市场的每一个细微变化；

avatar 2048 AI社区