tensorflow 常见 api

• tf.reduce_sum
  和 numpy 里面的 np.sum 用法差不多。

x = tf.constant([[1, 1, 1], [1, 1, 1]])
tf.reduce_sum(x)  # 6
tf.reduce_sum(x, 0)  # [2, 2, 2]
tf.reduce_sum(x, 1)  # [3, 3]
tf.reduce_sum(x, 1, keepdims=True)  # [[3], [3]]
tf.reduce_sum(x, [0, 1])  # 6

• tf.reduce_mean

x = tf.constant([[1, 1, 1], [1, 1, 1]])
with tf.Session() as sess:
    print(sess.run(tf.reduce_mean(x)))  # 1
    print(sess.run(tf.reduce_mean(x, 0)))  # [1 1 1]
    print(sess.run(tf.reduce_mean(x, 1)))  # [1 1]

• tf._version_
  输出 tensorflow 的版本
  

  

  __version__

• tf.matmul
  矩阵相乘
  

  

  matmul

• tf.multiply 点点相乘

input1 = tf.placeholder(tf.float32, [2, 2])
input2 = tf.placeholder(tf.float32, [2, 2])
output = tf.matmul(input1, input2) 
with tf.Session() as sess:
    print(sess.run(output, feed_dict = {input1: [[1, 2], [3, 4]], input2: [[1, 2], [3, 4]]}))
# [[  7.  10.]
#  [ 15.  22.]]

• tf.square(x)
  x 的平方

  
  
  

  square

• tf.argmax
  tf.argmax(input=tensor,dimention=axis)
  找到给定的张量tensor中在指定轴axis上的最大值的位置。
  通常和tf.equal()一起使用，计算模型准确度.
  

  

  argmax

• tf.argmin
  f.argmin(input=tensor,dimention=axis)
  找到给定的张量 tensor 中在指定轴axis上的最小值的位置。
  

  

  argmin

• 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.

  
  
  

  tf.equal

• tf.cast 类型转换函数
  tf.cast(x, dtype, name = None)
  x: 输入
  dtype: 转换目标类型
  name: 名称

  
  
  

  tf.cast

• tf.nn.softmax

  
  
  

  tf.nn.softmax