人工智能杂记（2）

tensorflow的几个函数

• tf.argmax()
  通俗的讲，该函数是返回最大的那个数值所在的下标，难点在于第二个参数
  先放一个例子，下面进行解释

  argmax_paramter = tf.Variable([[1, 32, 44, 56], [89, 12, 90, 33], [35, 69, 1, 10]])
  argmax_0 = tf.argmax(argmax_paramter, 0)
  argmax_1 = tf.argmax(argmax_paramter, 1)
  print("argmax_0:", sess.run(argmax_0))
  print("argmax_1:", sess.run(argmax_1))
  

  运行结果
  

  第二个参数为0时比较所有数组相同位置上的数
  第二个参数为1时分别比较每个数组中数的大小

• tf.reduce_mean()

  reduce_mean(input_tensor,
                axis=None,
                keep_dims=False,
                name=None,
                reduction_indices=None)
  

  该函数用于计算张量tensor沿着指定的数轴（tensor的某一维度）上的的平均值，主要用 作降维或者计算tensor（图像）的平均值
  input_tensor： 输入的tensor
  axis： 指定的轴，如果不指定，则计算所有元素的均值
  keep_dims：是否降维度，设置为True，输出的结果保持输入tensor的形状， 设置为False，输出结果会降低维度
  name： 操作的名称
  reduction_indices：用来指定轴

  import tensorflow as tf
  
  # 维度为2，形状为[2,3]
  tensor = [[1,2,3],
                 [1,2,3]]
  
  tensor = tf.cast(x,tf.float32)
  
  mean_all = tf.reduce_mean(xx, keep_dims=False)
  mean_0 = tf.reduce_mean(xx, axis=0, keep_dims=False)
  mean_1 = tf.reduce_mean(xx, axis=1, keep_dims=False)
  
  
  with tf.Session() as sess:
    m_a,m_0,m_1 = sess.run([mean_all, mean_0, mean_1])
  
  print(m_a)    # output: 2.0
  print(m_0)    # output: [1  2  3]
  print(m_1)    # output: [2  2]
  
  # 如果设置保持原来的张量的维度，keep_dims=True
  print(m_a)    # output: [[2]]
  print(m_0)    # output: [[1  2  3]]
  print(m_1)    # output: [[2], [2]]
  

• tf.equal()

  equal(x, y, name=None)
  

  该函数是判断x，y是否相等，逐个元素进行判断

  import tensorflow as tf
  a = [[1,2,3],[4,5,6]]
  b = [[1,0,3],[1,5,1]]
  with tf.Session() as sess:
    print(sess.run(tf.equal(a,b)))
  
  # output：
  # [[ True False  True]
  # [False  True False]]
  

• tf.cast()

  tf.cast(x, dtype, name=None)
  

  该函数的功能是将x的数据类型转换为dtype

  a = tf.Variable([1,0,0,1,1])
  b = tf.cast(a,dtype=tf.bool)
  sess = tf.Session()
  sess.run(tf.initialize_all_variables())
  print(sess.run(b))
  
  # output：[True  False  False  True  True]