一，tensorflow中有一类在tensor的某一维度上求值的函数。如：
求最大值tf.reduce_max(input_tensor, reduction_indices=None, keep_dims=False, name=None)
求平均值tf.reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None)
参数1--input_tensor:待求值的tensor。
参数2--reduction_indices:在哪一维上求解。
参数（3）（4）可忽略
举例说明：
'x' is [[1., 2.]
[3., 4.]]
x是一个2维数组，分别调用reduce_*函数如下：
首先求平均值：
tf.reduce_mean(x) ==> 2.5 #如果不指定第二个参数，那么就在所有的元素中取平均值
tf.reduce_mean(x, 0) ==> [2., 3.] #指定第二个参数为0，则第一维的元素取平均值，即每一列求平均值
tf.reduce_mean(x, 1) ==> [1.5, 3.5] #指定第二个参数为1，则第二维的元素取平均值，即每一行求平均值
同理，还可用tf.reduce_max()求最大值等。
二。 tf.square(x) 对x内所有的元素进行平方操作
三。tf.global_variables
tf.global_variables或者tf.all_variables都是获取程序中的变量，不同的版本是不同的，目前的tensorflow版本应该用前面的那个，返回的值是变量的一个列表
例如：
import tensorflow as tf;
import numpy as np;
import matplotlib.pyplot as plt;
v = tf.Variable(tf.constant(0.0, shape=[1], dtype=tf.float32), name='v')
v1 = tf.Variable(tf.constant(5, shape=[1], dtype=tf.float32), name='v1')
variables = tf.global_variables()
print variables[0].name
print variables[1].name
输出：
v:0
v1:0
四。 tf.train.Saver函数的用法之保存全部变量和模型
用于保存模型，以后再用就可以直接导入模型进行计算，方便。
例如：
[python] view plain copy
import tensorflow as tf;
import numpy as np;
import matplotlib.pyplot as plt;
v1 = tf.Variable(tf.constant(1, shape=[1]), name='v1')
v2 = tf.Variable(tf.constant(2, shape=[1]), name='v2')
result = v1 + v2
init = tf.initialize_all_variables()
saver = tf.train.Saver()
with tf.Session() as sess:
sess.run(init)
saver.save(sess, "/home/penglu/Desktop/lp/model.ckpt")
# saver.restore(sess, "/home/penglu/Desktop/lp/model.ckpt")
# print sess.run(result)
结果：
下次需要使用模型就可以用下面的代码：
[python] view plain copy
import tensorflow as tf;
import numpy as np;
import matplotlib.pyplot as plt;
v1 = tf.Variable(tf.constant(1, shape=[1]), name='v1')
v2 = tf.Variable(tf.constant(2, shape=[1]), name='v2')
result = v1 + v2
init = tf.initialize_all_variables()
saver = tf.train.Saver()
with tf.Session() as sess:
saver.restore(sess, "/home/penglu/Desktop/lp/model.ckpt")
print sess.run(result)
[python] view plain copy
[python] view plain copy
或者这个代码：
[python] view plain copy
import tensorflow as tf;
import numpy as np;
import matplotlib.pyplot as plt;
[python] view plain copy
saver = tf.train.import_meta_graph('/home/penglu/Desktop/lp/model.ckpt.meta')
with tf.Session() as sess:
saver.restore(sess, "/home/penglu/Desktop/lp/model.ckpt")
print sess.run(tf.get_default_graph().get_tensor_by_name('add:0'))
[python] view plain copy
输出：
三。np.expand_dims()加维
四。np.mean(data)求data的平均数 np.std(data)计算标准差 np.median(data)计算中位数