tf 常用函数 28原则

一个tensorflow图由以下几部分组成：

• 占位符变量（Placeholder）用来改变图的输入。
• 模型变量（Model）将会被优化，使得模型表现得更好。
• 模型本质上就是一些数学函数，它根据Placeholder和模型的输入变量来计算一些输出。
• 一个cost函数度量用来指导变量的优化。
• 一个优化策略会更新模型的变量。（梯度下降优化器）

 

四则运算：

+-*/ ** 基本运算

tf.add(x,y,name)

tf.subtract(x,y,name)

tf.multiply(x,y,name)

tf.divide(x,y,name)

tf.square(x,name) # 平方

tf.pow(x,y,name) # x的y次方

tf.sqrt(x,name)  # 平方根

tf.exp(x,name)  # e的x次方

矩阵：

tf.matmul(a,b)相当于np.dot()

操作：

tf.cast(x,dtype,name)  # 将x转换为dtype的格式

tf.shape(input,out_type=tf.int32)

tf.size(input,out_type=tf.int32)

tf.reshape(tensor, shape, name=None) # -1代表的含义是不用我们自己指定这一维的大小，函数会自动计算，但列表中只能存在一个-1。（当然如果存在多个-1，就是一个存在多解的方程了）

tf.reduce_mean(input_tensor, axis=None, keepdims=None, name=None, reduction_indices=None, keep_dims=None) # 等同于np.mean()

tf.nn.relu(features, name=None)  # 最常用的激活函数

tf.random_uniform(shape, minval=0, maxval=None, dtype=tf.float32, seed=None, name=None) # 相当于np.random.uniform(low=0.0, high=1.0, size=None)

tf.argmax(input, axis=None, name=None, dimension=None, output_type=tf.int64)  # 相当于np.argmax(a, axis=None, out=None)