【TensorFlow 入门】4、tf.nn 库

tf.nn,tf.layers, tf.contrib模块有很多功能是重复的

下面是对三个模块的简述:

  • tf.nn :提供神经网络相关操作的支持,包括卷积操作(conv)、池化操作(pooling)、归一化、loss、分类操作、embedding、RNN、Evaluation。
  • tf.layers:主要提供的高层的神经网络,主要和卷积相关的,tf.nn会更底层一些。
  • tf.contrib:tf.contrib.layers提供够将计算图中的 网络层、正则化、摘要操作、是构建计算图的高级操作,但是tf.contrib包含不稳定和实验代码,有可能以后API会改变。

TensorFlow中文社区提供了详细的介绍:[TensorFlow中文社区]

  • Activation Functions

  • tf.nn.relu(features, name=None)

  • tf.nn.relu6(features, name=None)

  • tf.nn.softplus(features, name=None)

  • tf.nn.dropout(x, keep_prob, noise_shape=None, seed=None, name=None)

  • tf.nn.bias_add(value, bias, name=None)

  • tf.sigmoid(x, name=None)

  • tf.tanh(x, name=None)

  • Convolution

  • tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)

  • tf.nn.depthwise_conv2d(input, filter, strides, padding, name=None)

  • tf.nn.separable_conv2d(input, depthwise_filter, pointwise_filter, strides, padding, name=None)

  • Pooling

  • tf.nn.avg_pool(value, ksize, strides, padding, name=None)

  • tf.nn.max_pool(value, ksize, strides, padding, name=None)

  • tf.nn.max_pool_with_argmax(input, ksize, strides, padding, Targmax=None, name=None)

  • Normalization

  • tf.nn.l2_normalize(x, dim, epsilon=1e-12, name=None)

  • tf.nn.local_response_normalization(input, depth_radius=None, bias=None, alpha=None, beta=None, name=None)

  • tf.nn.moments(x, axes, name=None)

  • Losses

  • tf.nn.l2_loss(t, name=None)

  • Classification

  • tf.nn.sigmoid_cross_entropy_with_logits(logits, targets, name=None)

  • tf.nn.softmax(logits, name=None)

  • tf.nn.softmax_cross_entropy_with_logits(logits, labels, name=None)

  • Embeddings

  • tf.nn.embedding_lookup(params, ids, name=None)

  • Evaluation

  • tf.nn.top_k(input, k, name=None)

  • tf.nn.in_top_k(predictions, targets, k, name=None)

  • Candidate Sampling(包含Sampled Loss Functions和Miscellaneous candidate sampling utilities)

  • Sampled Loss Functions

  • tf.nn.nce_loss(weights, biases, inputs, labels, num_sampled, num_classes, num_true=1, sampled_values=None, remove_accidental_hits=False, name=‘nce_loss’)

  • tf.nn.sampled_softmax_loss(weights, biases, inputs, labels, num_sampled, num_classes, num_true=1, sampled_values=None, remove_accidental_hits=True, name=‘sampled_softmax_loss’)

  • Candidate Samplers

  • tf.nn.uniform_candidate_sampler(true_classes, num_true, num_sampled, unique, range_max, seed=None, name=None)

  • tf.nn.log_uniform_candidate_sampler(true_classes, num_true, num_sampled, unique, range_max, seed=None, name=None)

  • tf.nn.learned_unigram_candidate_sampler(true_classes, num_true, num_sampled, unique, range_max, seed=None, name=None)

  • tf.nn.fixed_unigram_candidate_sampler(true_classes, num_true, num_sampled, unique, range_max, vocab_file=‘’, distortion=0.0, num_reserved_ids=0, num_shards=1, shard=0, unigrams=[], seed=None, name=None)

  • Miscellaneous candidate sampling utilities

  • tf.nn.compute_accidental_hits(true_classes, sampled_candidates, num_true, seed=None, name=None)

  • 17
    点赞
  • 78
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

呆呆的猫

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值