12月份FCN代码的Tensorflow学习总结（一）

1、enumerate（sequence,[start=0]）组成索引序列。

numpy.transpose(),一维数组不起作用，二维数组转置，三维数组交换（0轴和2轴）。

2、constant(value,dype=None,shape=None,name='const',verify_shape=False)

创建一个tensor，value为值，当给定的赋值数量不够时，都赋予最后一个值。其实我在这的理解，就相当于一个封装好的对象，对象中包含很多种不同是数据。

3、tf.get_value(name,shape=None,dtype=tf.float32,initializer=None,regularizer=None,trainable=True,collertions=None)

定义变量，获得已经存在的变量。

tf.Variable(<intilal-value>,name=<optional-name>)

tf.Variable与前一个的差别就是这个只能创建变量，当创建变量时，两者相同。

tf.variable_scope(<scope-name>)管理传给get_varliable的变量名称的作用域。

4、tf.nn.conv2d(input,filter,stride,padding,use_cudnn_on_gpu=None,name=None)

卷积函数，input需要有[batch,in_height,in_width,in_channl]

fliter,类似于CNN卷积核，为Tensor

[filter_height,fliter_width,in_channels,out_channls]

strides：每一维步长

padding：SAME或VALID 决定不同的卷积方式，SAME表示可保留图像边缘。

use_cudnn_on_gpu:bool类型，是否用cudnn加速

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

将偏移项加到Value上

tf.add_n(inputs,name=None)相加，但不能广播

6、画图显示标量信息

tf.summary.scalar(tags,values,collections=None,name=None)显示直方图信息

tf.summary.histogram(tags,values,collections=None,name=None)显示weights分布

tf.summary.distribution

7、pool

tf.nn.avg_pool(value,ksize,strides,padding,data_format='NHWC'，name=None)

tf.nn.max_pool(value,ksize,strides,padding,data_format='NHWC'，name=None)

tf.nn.max_pool_with_argmax(input,ksize,stides,padding,Targmax=None,name=None)计算池中最大 及最大所在位置

tf.nn.avg_pool3d和tf.nn.max_pool3d()三维条件下平均池化层和最大池化层

tf.nn.fractional_avg_pool和tf.nn.fractional_max_pool()分别在三维条件下的平均池化和最大池化

8、numpy.mean(a,axis,dype,out,keepdims)求平均值

axis=不设置值，对M*N个数求平均值，返回一实数

axis=0 压缩行，对各列求平均值，返回1*n矩阵

axis=1 压缩列，求各行平均值，返回m*1矩阵

9、tf.truncated_normal(shape,mean,stddev,dtype,seed,name)从截断的正太分布中输出随机值

shape表示张量的维度，mean均值，stddev标准差，seed一个整数

tf.random_normal(shape,minval,maxval,dtype,seed,name)用上下限约束

10、tf.nn.dropout 是为了防止过拟合和减轻过拟所使用的函数，一般用在全连接层

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

x 输入 keep_prob被选中的概率（初始化时为一个占位符）

11、numpy.expand_dims(a,axis)扩大维度

axis=0行变为列 列变为厚度

axis=1把列变为厚度

12、tf.nn.maxpool(input,ksize=[1,2,2,1],strides=[1,2,2,1],padding)