Tensorflow中的常用函数

tf.nn.embedding_lookup函数的用法

tf.nn.embedding_lookup函数的用法主要是选取一个张量里面索引对应的元素。tf.nn.embedding_lookup（tensor, id）:tensor就是输入张量，id就是张量对应的索引，其他的参数不介绍。

import tensorflow as tf;
import numpy as np;
 
c = np.random.random([10,1])
b = tf.nn.embedding_lookup(c, [1, 3])
 
with tf.Session() as sess:
	sess.run(tf.initialize_all_variables())
	print sess.run(b)
	print c

输出：
[[ 0.77505197]
 [ 0.20635818]]
[[ 0.23976515]
 [ 0.77505197]
 [ 0.08798201]
 [ 0.20635818]
 [ 0.37183035]
 [ 0.24753178]
 [ 0.17718483]
 [ 0.38533808]
 [ 0.93345168]
 [ 0.02634772]]
分析：输出为张量的第一和第三个元素。

tf.reduce_sum( ) 函数用法

# 'x' is [[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, keep_dims=True) ==> [[3], [3]]
tf.reduce_sum(x, [0, 1]) ==> 6

tf.clip_by_value()函数用法

tf.clip_by_value(v,a,b) 

功能：可以将一个张量中的数值限制在一个范围之内。（可以避免一些运算错误） 
参数： （1）v：input数据

           （2）a、b是对数据的限制。 
                    当v小于a时，输出a； 
                    当v大于a小于b时，输出原值； 
                    当v大于b时，输出b； 
例子：

import tensorflow as tf
 
v=tf.constant([[1.0,2.0,3.0],[4.0,5.0,6.0]])
 
sess=tf.Session() 
 
with sess.as_default():
    print(tf.clip_by_value(v,2.5,4.5).eval())

结果： 
[[ 2.5 2.5 3. ] 
[ 4. 4.5 4.5]]

 

tf.multiply与tf.matmul的区别

https://mp.csdn.net/postedit/96896531