@TOP
数据统计
▪ tf.norm
▪ tf.reduce_min/max
▪ tf.argmax/argmin
▪ tf.equal
▪ tf.unique
tf.norm
** 向量 norm**
# 向量 norm
a = tf.ones([2,2])
print(tf.norm(a))
print(tf.sqrt(tf.reduce_sum(tf.square(a))))
a = tf.ones([4,28,28,3])
print(tf.norm(a))
print(tf.sqrt(tf.reduce_sum(tf.square(a))))
二范数:
# 二范数
b = tf.ones([2,2])
print(b)
print(tf.norm(b))
print(tf.norm(b,ord=2,axis=1))
print(tf.norm(b,ord=1))
print(tf.norm(b,ord=1,axis=0))
print(tf.norm(b,ord=2,axis=1))
tf.norm(a) = tf.sqrt(tf.reduce_sum(tf.square(a)))
ord:指定做什么样的范数计算。
axis:默认为Non(向量)
tf.reduce_min/max
作用:求最大值、最小值、均值
#tf.reduce_?
a = tf.random.normal([4,10])
print(tf.reduce_min(a))
print(tf.reduce_max(a))
print(tf.reduce_mean(a))
print(tf.reduce_min(a,axis=1))
print(tf.reduce_max(a,axis=1))
print(tf.reduce_mean(a,axis=1))
tf.argmax/argmin
作用: 求最大值和最小值的位置
# argmax/argmin axis 默认是0
a = tf.random.normal([4,10])
print(a)
print("tf.argmax(a)",tf.argmax(a))
print("tf.argmax(a).shape",tf.argmax(a).shape)
print("tf.argmin(a,axis=1)",tf.argmin(a,axis=1))
print("tf.argmin(a,axis=1).shape",tf.argmin(a,axis=1).shape)
tf.equal
# tf.equal
a = tf.constant([1,2,3,2,5])
b = tf.range(5)
res = tf.equal(a,b)
print(res)
#得到的是这个比较中间,相同元素的个数,其实是一个准确度的概念,真实值和预测值匹配个数
print(tf.reduce_sum(tf.cast(res,dtype=tf.int32)))
tf.unique
# tf.unique
a = tf.range(5)
print(a)
print(tf.unique(a))
a = tf.constant([4,2,2,4,3])
print(a)
print(tf.unique(a))