tensorflow2.0预备知识二： 常用函数以及数学运算

一、tensorflow常用的函数

• 1.tf.cast(张量名,dtype=数据类型)

   描述：将张量强制转换为指定的数据类型
  

  代码示例：

  import tensorflow as tf
  x1 = tf.constant([[1.,2.,3.],[4.,5.,6.]],dtype=tf.float64)
  x2 = tf.cast(x1,dtype=tf.int64)
  print(x2)
  

  输出结果：
  

• 2.tf.reduce_min(张量)和tf.reduce_max(张量)

   描述：分别计算张量维度上的最大值和最小值
  

  代码示例：

  a = tf.reduce_min(x1)
  print('a-->',a)
  b = tf.reduce_max(x2)
  print('b-->',b)
  

  输出结果：（x1跟x2已经在第一个示例中给出）
  

• 3.理解axis

   描述：axis=0表示行,即按行进行操作；
   	  axis=1表示列，按列进行操作
  

• 4.tf.reduce_mean(张量,axis=操作轴)

   描述：对张量按指定维度进行求平均计算
   		注意：未指定时，对整个张量求均值
  

  代码示例：

  c = tf.reduce_mean(x1,axis=0)
  print('c-->(按行进行求均值)',c)
  d = tf.reduce_mean(x1,axis=1)
  print('d-->（按列进行求均值）',d)
  e = tf.reduce_mean(x1)
  print('e-->（未指定时，则求整个张量的均值）',e)
  

  输出结果：
  

• 5.tf.reduce_sum(张量,axis=操作轴）

   描述：对张量按指定维度进行求和计算
   		注意：未指定时，对整个张量求和
  

  代码跟第四个类似，因此不进行展示

• 6.tf.Variable()

   描述：tf.Variable()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。在神经网络训练中，常用该函数标记待训练参数。
  

  代码示例：

  v = tf.random.normal([2,2],mean=0,stddev=1)
  print('v-->（未标记）：',v)
  
  w = tf.Variable(v)
  print('w-->(标记后)：',w)
  

  输出结果：
  

二、tensorflow的数学运算

• 1.对应元素的四则运算

   描述：
   	1.tf.add(张量1，张量2):对应元素相加
   	2.tf.subtract(张量1，张量2):对应元素相减
   	3.tf.multiply(张量1，张量2):对应元素相乘
   	4.tf.divide(张量1，张量2):对应元素相除
   ps：只要维度相同的张量才能进行四则运算
  

  代码示例：

  a = tf.ones([2,2],dtype=tf.int32)
  b = tf.fill([2,2],3)
  print('a-->',a)
  print('b-->',b)
  print('-----------------------------------')
  
  #四则运算
  add = tf.add(a,b)
  print('add-->:',add)
  subtract = tf.subtract(a,b)
  print('substract-->:',subtract)
  multiply=tf.multiply(a,b)
  print('multiply-->:',multiply)
  divide = tf.divide(a,b)
  print('divide-->:',divide)
  

  输出结果：
  

• 2.平方，次方，开方

   描述：
   	1.tf.square(张量)：计算张量的开方
   	2.tf.pow(张量,n):计算张量的n次方
   	3.tf.sqrt(张量):计算张量的开方
  

  代码示例：

  b = tf.fill([1,2],4.)
  print('b-->:',b)
  print('-----------------------------------------------------')
  
  square = tf.square(b)
  print('平方:',square)
  pow = tf.pow(b,3)
  print('3次方:',pow)
  s = tf.sqrt(b)
  print('开方：',s)
  

  输出结果：
  

• 3.矩阵相乘tf.matmul(矩阵1,矩阵2)

   描述：实现两个矩阵的相乘
  

  代码示例：

  a = tf.fill([2,3],3.)
  b = tf.ones([3,2])
  print(tf.matmul(b,a))
  

  输出结果：
  

• 4.tf.Dataset.from_tensor_slices((输入特征，输入标签))

   描述：切割传入张量的第一维度，生成输入特征与标签对，构建数据集
  

  代码示例：

  feature = tf.constant([12,23,10,20])
  label = tf.constant([1,2,3,0])
  dataset = tf.data.Dataset.from_tensor_slices((feature,label))
  for element in dataset:
      print(element)
  

  输出结果：12对应1,23对应2，等等。这些分别变成一个输入特征与标签对。即（ 特征，标签）配对
  

结尾

这是学习tensorflow2.0后的第二篇文章，这篇文章记录了常用函数以及数学运算。
下一篇将继续记录tensorflow的常用函数。（继续加油，未完待续！）