一、变量相关。tf.get_variable() 和 tf.Variable()是tensorflow中创建变量的两种方式。每调用一次这两个函数,实际上创建的就是一组变量集(节点集)
1)tf.get_variable()和tf.variable_scope()配合,可以用作变量复用,也可以起到变量区分(作用域分割)
2)tf.Variable(<variable_name>) 会自动检测命名冲突并自行处理,但tf.get_variable(<variable_name>)则遇到重名的变量创建且变量名没有设置为共享变量时,则会报错。
3)tf.get_variable():主要用于管理一个图里面的各种op,返回的是一个以scope_name命名的context manager
4)tf.variable_scope():一般与tf.name_scope()配合使用,用于管理一个graph中变量的名字,避免变量之间的命名冲突。
二、tensorflow相关的方法
1)tf.nn.embedding_lookup(tensor, index),查找张量tensor中索引为index的元素。
2)tf.contrib.rnn.LSTMCell ()创建lstmcell,必传参数为cell_num。创建基本的rnncell
3)tf.contrib.rnn.DropoutWrapper(), 接受参数为RNNCell。
4)tf.contrib.rnn.MultiRNNCell() ,接受参数为基本rnncell序列。RNN cell composed sequentially of multiple simple cells
5)tf.train.AdagradOptimizer(learning_rate), Optimizer that implements the Adagrad algorithm
6)tf.train.GradientDescentOptimizer(learning_rate)
7)tf.gradients(ys, xs) 计算梯度
8)tf.clip_by_global_norm(t_list, clip_norm, use_norm=None, name=None)
9)tf.train.Saver
10)tf.sparse_softmax_cross_entropy_with_logits . Returns:
A `Tensor` of the same shape as `labels` and of the same type as `logits`
with the softmax cross entropy loss.
11)tf.transpose
12)tf.nn.softmax
13)tf.contrib.rnn.static_rnn 创建一个循环神经网络
14)tf.nn.conv2d Computes a 2-D convolution given 4-D `input` and `filter` tensors