-
tf.reduce_sum
和 numpy 里面的 np.sum 用法差不多。
x = tf.constant([[1, 1, 1], [1, 1, 1]])
tf.reduce_sum(x) # 6
tf.reduce_sum(x, 0) # [2, 2, 2]
tf.reduce_sum(x, 1) # [3, 3]
tf.reduce_sum(x, 1, keepdims=True) # [[3], [3]]
tf.reduce_sum(x, [0, 1]) # 6
- tf.reduce_mean
x = tf.constant([[1, 1, 1], [1, 1, 1]])
with tf.Session() as sess:
print(sess.run(tf.reduce_mean(x))) # 1
print(sess.run(tf.reduce_mean(x, 0))) # [1 1 1]
print(sess.run(tf.reduce_mean(x, 1))) # [1 1]
-
tf._version_
输出 tensorflow 的版本
__version__ -
tf.matmul
矩阵相乘
matmul tf.multiply 点点相乘
input1 = tf.placeholder(tf.float32, [2, 2])
input2 = tf.placeholder(tf.float32, [2, 2])
output = tf.matmul(input1, input2)
with tf.Session() as sess:
print(sess.run(output, feed_dict = {input1: [[1, 2], [3, 4]], input2: [[1, 2], [3, 4]]}))
# [[ 7. 10.]
# [ 15. 22.]]
-
tf.square(x)
x 的平方
square -
tf.argmax
tf.argmax(input=tensor,dimention=axis)
找到给定的张量tensor中在指定轴axis上的最大值的位置。
通常和tf.equal()一起使用，计算模型准确度.
argmax -
tf.argmin
f.argmin(input=tensor,dimention=axis)
找到给定的张量 tensor 中在指定轴axis上的最小值的位置。
argmin -
tf.equal
tf.equal(A, B)是对比这两个矩阵或者向量的相等的元素，如果是相等的那就返回True，反正返回False，返回的值的矩阵维度和A是一样的.
tf.equal -
tf.cast 类型转换函数
tf.cast(x, dtype, name = None)
x: 输入
dtype: 转换目标类型
name: 名称
tf.cast -
tf.nn.softmax
tf.nn.softmax
