TensorFlow

class Student(object):
    def __init__(self, name, score):
        self.name = name
        self.score = score

self指的是类实例对象本身(注意：不是类本身)。

y = tf.nn.softmax(tf.matmul(x, W) + b)
y_ = tf.placeholder(tf.float32, [None, 10])
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
tf.global_variables_initializer().run()

在tf.reduce_sum等函数中，有一个reduction_indices参数，表示函数的处理维度。
当没有reduction_indices这个参数，此时该参数取默认值None，将把input_tensor降到0维，也就是一个数

20180607164251196.png

参考内容

https://blog.csdn.net/qq_34562093/article/details/80611611

conv1 = tf.nn.conv2d(input_tensor,conv1_weights,strides=[1,1,1,1],padding='SAME')

这是一个常见的卷积操作，其中strides=【1,1,1,1】表示滑动步长为1，padding=‘SAME’表示填0操作

tf.nn.max_pool(value, ksize, strides, padding, name=None)

• 第二个参数ksize：池化窗口的大小，取一个四维向量，一般是[1, height, width, 1]，因为我们不想在batch和channels上做池化，所以这两个维度设为了1
• 第三个参数strides：和卷积类似，窗口在每一个维度上滑动的步长，一般也是[1, stride,stride, 1]
• 第四个参数padding：和卷积类似，可以取'VALID' 或者'SAME'
  返回一个Tensor，类型不变，shape仍然是[batch, height, width, channels]这种形式