TensorFlow学习日记40

1.tf.summary.scalar
解析:一般在画loss、accuary时会用到这个函数。

2.tf.summary.histogram
解析: tf.summary.histogram(tags, values, collections=None, name=None),一般用来显示训练过程中变量的分布情况。

3.tf.summary.distribution
解析:一般用于显示weights分布。

4.tf.summary.text
解析:可以将文本类型的数据转换为tensor写入summary中。

5.tf.summary.merge_all
解析:merge_all可以将所有summary全部保存到磁盘,以便tensorboard显示。

6.tf.summary.FileWriter
解析:tf.summary.FileWritter(path,sess.graph),指定一个文件用来保存图。

7.tf.summary.merge
解析:tf.summary.merge(inputs, collections=None, name=None)
说明:TensorBoard相关操作还有tf.summary.image、tf.summary.audio等。

8.tf.name_scope()
解析:为Graph中的Tensor添加层级,TensorBoard会按照代码指定的层级进行展示,初始状态下只绘制最高层级的效果,点击后可展开层级看到下一层的细节。

9.tf.square()
解析:对里面的每一个元素求平方。

10.tf.reduce_sum()函数
解析:用于计算张量tensor沿着某一维度的和,如下所示:

tf.reduce_sum(
    input_tensor, 
    axis=None, 
    keepdims=None,
    name=None,
    reduction_indices=None, 
    keep_dims=None)

[1]input_tensor:待求和的tensor
[2]axis:指定的维,如果不指定,则计算所有元素的总和
[3]keepdims:是否保持原有张量的维度,设置为True,结果保持输入tensor的形状,设置为False,结果会降低维度,如果不传入这个参数,则系统默认为False
[4]name:操作的名称
[5]reduction_indices:在以前版本中用来指定轴,已弃用
[6]keep_dims:在以前版本中用来设置是否保持原张量的维度,已弃用

11.tf.reduce_sum()例子
解析:假如tensor的维度为234:

[[[ 1   2   3   4]
  [ 5   6   7   8]
  [ 9   10 11 12]],
 [[ 13  14 15 16]
  [ 17  18 19 20]
  [ 21  22 23 24]]]

tf.reduce_sum(tensor, axis=0)按第一个维度进行求和:

[[1+13   2+14   3+15 4+16]
 [5+17   6+18   7+19 8+20]
 [9+21 10+22 11+23 12+24]]

如果axis=1,那么求和结果shape是2*4:

[[ 1 + 5 + 9   2 + 6+10   3 + 7+11   4 + 8+12]
 [13+17+21     14+18+22   15+19+23   16+20+24]]

如果axis=2,那么求和结果shape是2*3:

[[1+2+3+4          5+6+7+8          9+10+11+12]
 [13+14+15+16      17+18+19+20      1+22+23+24]]

12.tf.reduce_mean()
解析:tf.reduce_mean()函数用于计算张量tensor沿着指定的数轴上的平均值。

13.TensorFlow Core
解析:TensorFlow Core是低级别TensorFlow API。

14.测试GPU是否可用
解析:

import tensorflow as tf
tf.test.is_gpu_available()

说明:TensorFlow2.1.0还不支持CUDA10.2。

参考文献:
[1]
[2]
[3]
[4]
[5]

你可能感兴趣的:(深度学习)