Tensorflow函數(shù)大全
操作函數(shù)
| 函數(shù)名 | 說明 | 例子 |
|---|
正則化
| 函數(shù)名 | 說明 | 例子 |
|---|---|---|
| tf.contrib.layers.l1_regularizer | l1正則化函數(shù) 通過增大l1函數(shù)的取值來減小權(quán)重的影響 |
一 數(shù)據(jù)處理
v1 = [1.0,2.0,3.0,4.0] v2 =[4.0,3.0,2.0,1.0］
| 函數(shù)名 | 說明 | 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之間 大于4.5的取 4.5 小于 3.5 的取2.5 |
| tf.greater() | 獲取兩個(gè)變量中最大的一個(gè) 自身會(huì)做迭代 | |
| tf.greater(v1,v2) = [Flase,Flase,True,True] | 5 小于 3.5 的取2.5 | |
| tf.reduce_max | 求張量的最大值 | tf.reduce_max(input_tensor, reduction_indices=None, keep_dims=False, name=None) |
| tf.reduce_mean | 求張量的平均值 | tf.reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None) |
| tf.reduce_sum() | 求張量所有元素的和 | tf.reduce_sum(input_tensor,axis,keep_dims,name,reduction_indices) |
二 矩陣函數(shù)
| 函數(shù)名 | 說明 | 例子 |
|---|---|---|
| tf.matmul | 矩陣的乘法 | 見例子(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}
隨機(jī)函數(shù)
| 函數(shù)名 | 說明 | 例子 |
|---|---|---|
| tf.rand_normal | 正態(tài)分布 | tf.rand_normal([2,3],stddev=1,seed=1) 生成一個(gè)方差為1的2x3矩陣 |
| tf.truncated_normal | 正態(tài)分布 如果隨機(jī)值平均超過兩個(gè)標(biāo)準(zhǔn)差會(huì)重新分布 | tf.truncated_normal(shape,mean,stddev,dtype,seed,name) |
| tf.random_uniform | 均勻分布 | 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 | 產(chǎn)生全為0的數(shù)組 | tf.zeros(shape,dtype,name) |
| tf.ones | 產(chǎn)生全為1的數(shù)組 | tf.ones(shape,dtype,name) |
| tf.fill | 產(chǎn)生一個(gè)全為給定值的數(shù)組 | tf.fill(shape,value) |
| tf.constant | 產(chǎn)生一個(gè)常量 | tf.constant([1,2,3]) |
操作函數(shù)
| 函數(shù)名 | 說明 | 例子 |
|---|---|---|
| tf.Graph() | 生成一個(gè)計(jì)算圖 | |
| tf.Session() | 產(chǎn)生一個(gè)會(huì)話 | sess.tf.Session() |
| tf.get_variable | 檢測已經(jīng)存在的變量是否設(shè)置為共享變量，如果已經(jīng)存在的變量沒有設(shè)置為共享變量 | |
| tf.variable_scope | 它的主要作用是，在一個(gè)作用域 scope 內(nèi)共享一些變量 | |
| tf.Variable() | 創(chuàng)建一個(gè)節(jié)點(diǎn)(也就是一個(gè)變量) | |
| tf.initialize_all_variables() | 初始化所有節(jié)點(diǎn) | |
| tf.placeholder() | 使用的時(shí)候和前面的variable不同的是在session運(yùn)行階段吩翻，需要給placeholder提供數(shù)據(jù)，利用feed_dict的字典結(jié)構(gòu)給placeholdr變量“喂數(shù)據(jù)” #把10賦給a钥组，30賦給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}) |
