tf.argmax(actv,1)
tf.argmax(input, axis=None, name=None, dimension=None)
此函数是对矩阵按行或列计算最大值
参数：
- input：输入Tensor
- axis：0表示按列，1表示按行
- name：名称
- dimension：和axis功能一样，默认axis取值优先。新加的字段
返回：Tensor 一般是行或列的最大值下标向量
import tensorflow as tf
a=tf.get_variable(name='a',
shape=[3,4],
dtype=tf.float32,
initializer=tf.random_uniform_initializer(minval=-1,maxval=1))
b=tf.argmax(input=a,axis=0)
c=tf.argmax(input=a,dimension=1) #此处用dimesion或用axis是一样的
sess = tf.InteractiveSession()
sess.run(tf.initialize_all_variables())
print(sess.run(a))
#[[ 0.04261756 -0.34297419 -0.87816691 -0.15430689]
# [ 0.18663144 0.86972666 -0.06103253 0.38307118]
# [ 0.84588599 -0.45432305 -0.39736366 0.38526249]]
print(sess.run(b))
#[2 1 1 2]
print(sess.run(c))
#[0 1 0]
tf.cast(x, dtype, name=None)
将x的数据格式转化成dtype
例如，原来x的数据格式是bool， 那么将其转化成float以后，就能够将其转化成0和1的序列。反之也可以。
a = tf.Variable([1,0,0,1,1])
b = tf.cast(a,dtype=tf.bool)
sess = tf.Session()
sess.run(tf.initialize_all_variables())
print(sess.run(b))
#[ True False False True True]
c = tf.cast(b,dtype=tf.float32)
print(sess.run(c))
#[1,0,0,1,1]
sess.close()
tf.equal
tf.equal(A, B)是对比这两个矩阵或者向量的相等的元素，如果是相等的那就返回True，反正返回False，返回的值的矩阵维度和A是一样的
import tensorflow as tf
import numpy as np
A = [[1,3,4,5,6]]
B = [[1,3,4,3,2]]
with tf.Session() as sess:
print(sess.run(tf.equal(A, B)))
tf.reduce_mean()
tf.reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None)
import tensorflow as tf
x = tf.constant([[1,2,3],[4,5,6]],dtype=tf.float32)
a = tf.reduce_mean(x)
# 3.5
b = tf.reduce_mean(x, 0)
# [2.5, 3.5, 4.5]
c = tf.reduce_mean(x, 1)
# [2., 5.]
sess = tf.Session()
print(sess.run(a))
print(sess.run(b))
print(sess.run(c))