zoukankan      html  css  js  c++  java
  • tensorflow常用函数(一)

    一、tf.transpose函数的用法

    tf.transpose(input, [dimension_1, dimenaion_2,..,dimension_n]):这个函数主要适用于交换输入张量的不同维度用的,如果输入张量是二维,就相当是转置。dimension_n是整数,如果张量是三维,就是用0,1,2来表示。这个列表里的每个数对应相应的维度。如果是[2,1,0],就把输入张量的第三维度和第一维度交换。

    import numpy as np
    import tensorflow as tf
    
    A = np.array([[1,2,3],[4,5,6]])
    x = tf.transpose(A, [1,0])
    
    B = np.array([[[1,2,3],[4,5,6]]])
    y = tf.transpose(B, [2,1,0])
    
    with tf.Session() as sess:
        print("A:
    ",A)
        print("new_A:
    ",sess.run(x))
        print("B:
    ",B)
        print("new_B:
    ",sess.run(y))

    A:
    [[1 2 3]
    [4 5 6]]


    new_A:
    [[1 4]
    [2 5]
    [3 6]]


    B:
    [[[1 2 3]
      [4 5 6]]]


    new_B:
    [[[1]
      [4]]

    [[2]
      [5]]

    [[3]
      [6]]]

    分析理解:对于第一个二维矩阵A来说就比较简单了,就是普通的转置。对于第二个三维变量B,在转置前可以理解为是1片2*3的矩阵,而转置操作要求第一维和第三维置换,那就是要变成3片2*1的矩阵,这样就好理解了,输出结果正是3片1*2的矩阵

     二、tf.argmax函数用法

    该函数就是找出每行或者每列的最大值所在的索引值,第二个参数为表示按行查找还是按列查找,1-按行,0-按列。

    import tensorflow as tf
    
    C=[[9,8,3],[1,7,2]]
    
    with tf.Session() as sess:
        print(sess.run(tf.argmax(C,1)))
     [0 1]
     
    三、tf.equal函数
     
    vimport tensorflow as tf
    import numpy as np
    
    A = [[1,3,4,5,6]]
    B = [[1,3,4,3,2]]
    
    with tf.Session() as sess:
        print(sess.run(tf.equal(A, B)))

    输出:    [[ True  True  True False False]]

    四、tf.reduce_mean函数

    A = [[1,3,4,5,6]]
    B = [[1,3,4,3,2]]
    correctPred
    =tf.equal(A,B) accuracy = tf.reduce_mean(tf.cast(correctPred, tf.float32)) with tf.Session() as sess: print(sess.run(accuracy))

    输出:0.6  

    解析:根据上述输出,3个为True,所以accuracy=3/5=0.6

  • 相关阅读:
    Eclipse / android studio 添加第三方jar包 步骤
    Android checkbox 自定义点击效果
    Android 程序打包和安装过程
    Android 基础
    (转)Genymotion安装virtual device的“unable to create virtual device, Server returned Http status code 0”的解决方法
    (转)eclipse 导入Android 项目 步骤
    微信开放平台注册 步骤
    Android Studio 初级安装
    数组
    作用域问题代码
  • 原文地址:https://www.cnblogs.com/gczr/p/7822456.html
Copyright © 2011-2022 走看看