Tensorflow函数大全
操作函数
正则化
| 函数名 |
说明 |
例子 |
| tf.contrib.layers.l1_regularizer |
l1正则化函数 通过增大l1函数的取值来减小权重的影响 |
一 数据处理
v1 = [1.0,2.0,3.0,4.0] v2 =[4.0,3.0,2.0,1.0］
| 函数名 |
说明 |
例子 |
| tf.clip_by_value |
限制取值 |
clip_by_value(x,2.5,4.5) 限制 x 的值在 2.5~4.5之间 大于4.5的取 4.5 小于 3.5 的取2.5 |
| tf.greater() |
获取两个变量中最大的一个 自身会做迭代 |
| tf.greater(v1,v2) = [Flase,Flase,True,True] |
5 小于 3.5 的取2.5 |
| tf.reduce_max |
求张量的最大值 |
tf.reduce_max(input_tensor, reduction_indices=None, keep_dims=False, name=None) |
| tf.reduce_mean |
求张量的平均值 |
tf.reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None) |
| tf.reduce_sum() |
求张量所有元素的和 |
tf.reduce_sum(input_tensor,axis,keep_dims,name,reduction_indices) |
二 矩阵函数
| 函数名 |
说明 |
例子 |
| tf.matmul |
矩阵的乘法 |
见例子(2-1) |
\text{令} \vec v_1=\begin{bmatrix}1 & 2 \\1 & 3 \end{bmatrix}
~~~\vec v_2 = \begin{bmatrix} 1 & 1\\ 1 & 2 \end{bmatrix}
\text{例 2-1: matmul} (\vec v_1,\vec v_2) =\begin{bmatrix} 3 & 5 \\ 4 & 7 \end{bmatrix}
随机函数
| 函数名 |
说明 |
例子 |
| tf.rand_normal |
正态分布 |
tf.rand_normal([2,3],stddev=1,seed=1) 生成一个方差为1的2x3矩阵 |
| tf.truncated_normal |
正态分布 如果随机值平均超过两个标准差会重新分布 |
tf.truncated_normal(shape,mean,stddev,dtype,seed,name) |
| tf.random_uniform |
均匀分布 |
tf.random_uniform(shape,minval,maxval,dtype,seed,name) |
| tf.random_gamma |
Gamma分布 |
tf.random_gamma(shape,alpha,beta,dtype,seed,name) |
| tf.zeros |
产生全为0的数组 |
tf.zeros(shape,dtype,name) |
| tf.ones |
产生全为1的数组 |
tf.ones(shape,dtype,name) |
| tf.fill |
产生一个全为给定值的数组 |
tf.fill(shape,value) |
| tf.constant |
产生一个常量 |
tf.constant([1,2,3]) |
操作函数
| 函数名 |
说明 |
例子 |
| tf.Graph() |
生成一个计算图 |
| tf.Session() |
产生一个会话 |
sess.tf.Session() |
| tf.get_variable |
检测已经存在的变量是否设置为共享变量，如果已经存在的变量没有设置为共享变量 |
| tf.variable_scope |
它的主要作用是，在一个作用域 scope 内共享一些变量 |
| tf.Variable() |
创建一个节点(也就是一个变量) |
| tf.initialize_all_variables() |
初始化所有节点 |
| tf.placeholder() |
使用的时候和前面的variable不同的是在session运行阶段，需要给placeholder提供数据，利用feed_dict的字典结构给placeholdr变量“喂数据” #把10赋给a，30赋给b |
a=tf.placeholder(tf.float32) b=tf.placeholder(tf.float32) c=tf.add(a,b) sess.run(c,feed_dict={a:10,b:30}) |
