其它运算，是指在使用TensorFlow训练网络时，经常使用到的运算，包括cast、abs、pow、sqrt、sigmoid、argmax、argmin、reduce_sum、reduce_mean、equal
- tf.cast(x, dtype, name=None)
把矩阵x中的每个元素转换成指定类型dtype
a = tf.constant([[1, 1.4, 1], [2, 2.5, 2]], dtype=tf.float32)
b = tf.cast(a, dtype=tf.uint8)
b =
[[1 1 1]
[2 2 2]]
- tf.abs(x, name=None)
对矩阵x中的每个元素取绝对值
a = tf.constant([[1, -1, 1], [-2, -2, 2]], dtype=tf.float32)
b = tf.abs(a)
b =
[[1. 1. 1.]
[2. 2. 2.]]
- tf.pow(x, y, name=None)
把矩阵x中的每个元素作指数运算，指数为y
a = tf.constant([[1, -1, 1], [-2, -2, 2]], dtype=tf.float32)
b = tf.pow(a,2)
b =
[[1. 1. 1.]
[4. 4. 4.]]
- tf.sqrt(x, name=None)
把矩阵x中的每个元素开根号
a = tf.constant([[1, 1, 1], [4, 4, 4]], dtype=tf.float32)
b = tf.sqrt(a)
b =
[[1. 1. 1.]
[2. 2. 2.]]
- tf.sigmoid(x, name=None)
把矩阵x中的每个元素作sigmoid运算：y = 1 / (1 + exp(-x))
a = tf.constant([[-1, -2, -3], [1, 2, 3]], dtype=tf.float32)
b = tf.sigmoid(a)
b =
[[0.26894143 0.11920292 0.04742587]
[0.7310586 0.880797 0.95257413]]
- tf.argmax(input,
axis=None,
name=None,
dimension=None,
output_type=dtypes.int64)
矩阵input在纬度axis上取最大元素索引
a = tf.constant([[4, 2, 1], [1, 2, 3]], dtype=tf.float32)
b = tf.argmax(a, axis=1)
b =
[0 2]
- tf.argmin(input,
axis=None,
name=None,
dimension=None,
output_type=dtypes.int64)
矩阵input在纬度axis上取最小元素索引
a = tf.constant([[4, 2, 1], [1, 2, 3]], dtype=tf.float32)
b = tf.argmin(a, axis=1)
b =
[2 0]
- tf.reduce_sum(input_tensor,
axis=None,
keepdims=None,
name=None,
reduction_indices=None,
keep_dims=None)
矩阵input_tensor减少纬度axis，被减少的元素按纬度求和，若axis没有指定，则对所有纬度元素求和
a = tf.constant([[4, 2, 1], [1, 2, 3]], dtype=tf.float32)
b = tf.reduce_sum(a, axis=1)
b =
[7. 6.]
- tf.reduce_mean(input_tensor,
axis=None,
keepdims=None,
name=None,
reduction_indices=None,
keep_dims=None)
矩阵input_tensor减少纬度axis，被减少的元素按纬度求平均，若axis没有指定，则对所有纬度元素求平均
a = tf.constant([[4, 2, 1], [1, 2, 3]], dtype=tf.float32)
b = tf.reduce_mean(a, axis=1)
b =
[2.3333333 2. ]
- tf.equal(x, y, name=None)
将矩阵x和矩阵y按元素进行比较，相等则等于True，否则等于False
a = tf.constant([[4, 2, 1], [1, 2, 3]], dtype=tf.float32)
b = tf.constant([[3, 2, 1], [0, 2, 1]], dtype=tf.float32)
c = tf.equal(a, b)
c =
[[False True True]
[False True False]]
