TensorFlow常用函数

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

计算张量的2-D卷积

• input: 4-D张量。[batch, in_height, in_width, in_channels]
• filter: 与input有相同类型。[filter_height, filter_width, in_channels, out_channels]
• strides: 一个长度是4的一维整数类型数组，每一维度对应的是input中每一维的对应移动步数
• padding: 可选’SAME’或’VALID’，前者表示仅适用于全尺寸操作（补全的方式），即补上filter长宽-1；后者适用于部分窗口（丢弃的方式）,即输入数据维度和输出数据维度不同，具体为[(input+2padding-filter)/strides]+1，比如28*28经过11*11卷积得到18*18的结果
• 输出：一个具有与input相同类型的张量

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

最大池化操作

• value: 4维的tf.float32类型的张量。[batch, height, width, channels]
• ksize: 长度≥4的整型列表，输入每个维度的窗口大小
• strides: 长度≥4的整型列表，输入每个维度窗口的滑动步数
• padding: ‘SAME”VALID’，同上
• data_format: ‘NHWC’,’NCHW’表示tensor的表达形式，channel放在最后一维还是第二维
• name: 操作的可选名称，可不填
• 返回：tf.float32类型张量

3. tf.transpose()

张量转置操作

4. tf.cast(x, dtype, name=None)

将x的数据格式转化成dtype.

例如，原来x的数据格式是bool，
那么将其转化成float以后，就能够将其转化成0和1的序列。反之也可以