tensorflow实践常用函数

1. tf.cast
2. tf.train.shuffle_batch
3. tf 训练网络写代码过程
4. tf.constant
5. tf.Variable && tf.get_variable()
6. tf.truncated_normal
7. tf.nn.conv2d && tf.nn.max_pool && tf.nn.dropout

1. tf.cast
   函数参考
   还讲述了tensorflow常用的数据类型。
   tf.cast()函数的作用是执行 tensorflow 中张量数据类型转换
   t2 = tf.cast(t1,dtype=tf.float32)
   在精度满足的情况下，float32类型计算更快

2. tf.train.shuffle_batch
   函数参考
   参数设置参考
   一般设置参数：capacity=MIN_AFTER_DEQUEUE + 3*batch_size

3. tf训练网络写代码过程

   定义网络过程：定义占位符—>计算网络的输出—>定义loss—>定义优化器使得loss最小—>定义准确度—>读入图片并设置batch—>初始化所有变量—>保存模型的函数定义

   运行图的过程：初始化变量—>线程开始—>run损失并传入占位符—>评价模型—>保存模型—>结束线程。

4. tf.constant
   函数参考
   第一个值value是必须的，可以是一个数值，也可以是一个列表。

5. tf.Variable && tf.get_variable
   tf.Variable(initializer,name),参数initializer是初始化参数，name是可自定义的变量名称
   函数参考
   tf.get_variable：
   函数参考
   如果变量存在，函数tf.get_variable( ) 会返回现有的变量。如果变量不存在，会根据给定形状和初始值创建变量。

6. tf.truncated_normal
   函数参考

7. tf.nn.conv2d
   函数参考
   tf.nn.max_pool
   函数参考
   tf.nn.dropout
   函数参考