Tensorflow 常用函数

PS：这些文档是自己学习的点滴记录 导入出来 只是为了自己查看方便 不适合大众阅读 请忽略 谢谢

Tensorflow 常用函数学习

1：将numpy数据类型 转换为Tensor数据类型 使用 tf.convert_to_tensor(数据名字，dtype=数据类型)

2：#强制Tensor数据类型转换函数 tf.cast(Tensor,dtype = 数据类型)

3：计算张量维度上元素的最小值 tf.reduce_min（张量名）
最大值： tf.reuduce_max(Tensor)

4：axis 通过调整axis用来控制执行维度 axis=0 则跨行执行 down axis=1 跨列执行 across 如果不指定axis的值 则所有的值均参与运算

5:tf.Variable

tf.Variable()函数将变量标记为“可训练”，被标记的变量会在反向传播中记录梯度信息。神经网络训练中，常用tf.Variable()函数来标记待训练的参数
w = tf.Variable(tf.random.normal([2,2],mean=0,stddev=1))

6:四则运算函数 实现张量的加减乘除 注意：只有维度相同的张量才能做四则运算

1、实现两个Tensor对应元素相加  tf.add(Tensor1,Tensor2)

2、实现两个Tensor对应元素相减  tf.subtract(Tensor1,Tensor2)

3、实现两个张量对应元素相乘 tf.multiply(Tensor1, Tensor2)

4、实现两个张量对应元素相除  tf.divide(Tensor1,Tensor2)

7：平方 次方 与 开方
1、tf.square(Tensor) 2、tf.pow(Tensor,幂) 3、tf.sqrt(Tensor)

8:矩阵乘法 tf.matmul(矩阵1，矩阵2)

9：独热编码 （one-hot encoding）：在分类问题中，常用独热编码做标签 标记类别： 1表示是 0表示非 tf.one_hot()

10: tf.nn.softmax()函数 assign_sub()自更新函数

11：tf.argmax(Tensor,axis =0|1) 返回张量延指定维度最大值的索引

import tensorflow as tf
import numpy as np

a = np.arange(2,6,step =1.5,dtype =np.int)
b =tf.convert_to_tensor(a,tf.float32)
print(a)
print(b)
#b的输出   有 shape=（3，）说明b是一个一维的张量 Tensor   有三个元素

[2 3 4]
tf.Tensor([2. 3. 4.], shape=(3,), dtype=float32)

2.以下六条语句分别展示了TF2中常用的生成数据的函数

全0 全1 填充 正太分布 截断正太 均匀分布

a = tf.zeros(shape=(2,2),dtype=tf.float32,name="哈哈")
b = tf.ones(shape=[2,4],dtype=tf.float32)
c = tf.fill(dims=[3,3,3],value=6)
d = tf.random.normal(shape=(4,4),mean=0.5,stddev=1.0,seed=500)
e = tf.random.truncated_normal(shape=(4,4),mean=0.5,stddev=1.0,seed=500)
f = tf.random.uniform(shape=(2,2),minval=1,maxval=10,dtype=tf.float32)

x = tf.constant([[1,2,3],[4,5,6]],dtype=tf.float32)
y = tf.reduce_mean(x,axis=0)
print(y)
z = tf.reduce_sum(x,axis=1)
print(z)
w = tf.reduce_mean(x)
print(w)

tf.Tensor([2.5 3.5 4.5], shape=(3,), dtype=float32)
tf.Tensor([ 6. 15.], shape=(2,), dtype=float32)
tf.Tensor(3.5, shape=(), dtype=float32)

classes = 3
labels = tf.constant([1,0,2])
output = tf.one_hot(labels,classes)
print(output)

tf.Tensor(
[[0. 1. 0.]
 [1. 0. 0.]
 [0. 0. 1.]], shape=(3, 3), dtype=float32)