![](https://img-blog.csdnimg.cn/d45d67c8e8f64a74a781daf2220bc072.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
深入浅出TensorFlow2函数
文章平均质量分 58
《深入浅出TensorFlow2函数》系列以TensorFlow2.X模块的函数为粒度介绍了各个函数的使用方法、参数、返回值、实现过程等信息。每篇文章为一个函数,首先会介绍函数的表现形式以及其意义、使用时的注意事项等信息。其次,会给出函数的参数和返回值。最后,会列出函数的实现过程。
von Neumann
技术日新月异,人类生活方式正在快速转变,这一切给人类历史带来了一系列不可思议的奇点。我们曾经熟悉的一切,都开始变得陌生。
展开
-
深入浅出TensorFlow2函数——tf.keras.Sequential
tf.keras.Sequential( layers=None, name=None)原创 2023-05-07 21:12:39 · 11532 阅读 · 2 评论 -
深入浅出TensorFlow2函数——tf.data.Dataset.from_tensor_slices
from_tensor_slices( tensors, name=None)原创 2023-04-30 17:49:21 · 10349 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.linalg.matvec
tf.linalg.tf.linalg.matvec( a, b, transpose_a=False, adjoint_a=False, a_is_sparse=False, b_is_sparse=False, ( a, b, transpose_a=False, adjoint_a=False, a_is_sparse=False, b_is_sparse=False, name=None)原创 2023-04-16 11:44:34 · 11305 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.transpose
tf.transpose( a, perm=None, conjugate=False, name='transpose')原创 2023-04-11 19:55:02 · 11971 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.Variable
tf.Variable( initial_value=None, trainable=None, validate_shape=True, caching_device=None, name=None, variable_def=None, dtype=None, import_scope=None, constraint=None, synchronization=tf.VariableSynchronization.AUTO原创 2023-04-09 15:24:04 · 11694 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.reduce_sum
tf.reduce_sum( input_tensor, axis=None, keepdims=False, name=None)原创 2023-04-04 19:48:58 · 10940 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.math.reduce_sum
tf.math.reduce_sum( input_tensor, axis=None, keepdims=False, name=None)原创 2023-04-03 20:36:58 · 10621 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.exp
tf.exp( x, name=None)原创 2023-03-28 19:44:56 · 11208 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.math.exp
tf.math.exp( x, name=None)原创 2023-03-28 19:42:23 · 10582 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.random.uniform
tf.random.uniform( shape, minval=0, maxval=None, dtype=tf.dtypes.float32, seed=None, name=None)原创 2023-03-27 20:13:08 · 11191 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.random.poisson
tf.random.poisson(shape,lam,dtype=tf.dtypes.float32,seed=None, name=None)原创 2023-03-27 20:10:49 · 10753 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.constant
tf.constant( value, dtype=None, shape=None, name='Const')原创 2023-03-26 14:43:39 · 13488 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.random.normal
tf.random.normal原创 2023-03-17 19:13:56 · 11157 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.reshape
tf.reshape原创 2023-03-09 20:08:25 · 13042 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.keras.layers.Dense
tf.keras.layers.Dense原创 2023-03-05 21:45:18 · 11034 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.rank
tf.rank(input, name=None)原创 2023-02-28 18:38:33 · 12290 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.size
tf.size(input, out_type=tf.dtypes.int32, name=None)原创 2023-02-28 18:31:06 · 11941 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.shape
tf.shape(input, out_type=tf.dtypes.int32, name=None)原创 2023-02-27 20:20:03 · 12208 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.Tensor.get_shape
tf.Tensor.get_shape()原创 2023-02-27 19:48:46 · 12268 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.Tensor
一个tf.Tensor表示一个多维数组。在编写TensorFlow程序时,被操作和传递的主要对象就是tf.Tensor。原创 2023-02-12 22:30:00 · 11541 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.range
从`start`开始创建一个序列,并以`delta`递增,直到`limit`(但不包括)。除非明确提供,否则从输入中推断出结果张量的数据类型。与Python内置`range`一样,`start`默认为0,因此`range(n)=range(0, n)`。原创 2023-02-07 20:03:00 · 12038 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.keras.layers.Embedding
tf.keras.layers.Embedding( input_dim, output_dim, embeddings_initializer='uniform', embeddings_regularizer=None, activity_regularizer=None, embeddings_constraint=None, mask_zero=False, input_length=None, **kwargs)原创 2021-12-19 16:31:20 · 17172 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.data.Dataset.padded_batch
函数:padded_batch(batch_size, padded_shapes=None, padding_values=None, drop_remainder=False,name=None)该函数可以将数据集的连续元素合并到padded batch中。即将输入数据集的多个连续元素合并到单个元素中。tf.data.Dataset.batch比如tf。数据数据集。批处理时,生成元素的组件将有一个额外的外部维度,即批处理大小(如果批处理原创 2021-12-15 23:03:49 · 13535 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.data.Dataset.batch
函数:batch(batch_size, drop_remainder=False, num_parallel_calls=None, deterministic=None,name=None)该函数可以将此数据集的连续元素合并到batch中。dataset = tf.data.Dataset.range(8)dataset = dataset.batch(3)list(dataset.as_numpy_iterator())# [ar原创 2021-12-12 22:47:42 · 17172 阅读 · 0 评论 -
深入浅出TensorFlow2函数——tf.data.Dataset.shuffle
函数:shuffle(buffer_size, seed=None, reshuffle_each_iteration=None, name=None)该函数可以随机洗牌此数据集的元素。此数据集使用buffer_size的元素填充缓冲区,然后从该缓冲区中随机采样元素,用新元素替换所选元素。为了实现完美的洗牌,需要缓冲区大小大于或等于数据集的完整大小。例如,如果您的数据集包含10000个元素,但buffer_size设置为1000,则shuffle最初将仅从缓冲区中的前1000个元素中选择一个随机元素原创 2021-12-12 16:48:53 · 18928 阅读 · 0 评论