tensorflow常用函数接口汇总以及用tensorflow实现自编码机模型

最近学习tensorflow，这里做一个小总结，先说一下我的运行环境，win10+Anaconda3.5，导入tensorflow。

首先提供一个trick，对于一些初次见到的API接口，有时候直接百度搜索出来的答案七七八八的不好看懂，中文官方手册也不是很方便，提供一个比较简单的方法：
（1）打开命令提示符；
（2）输入python；
（3）如下输入

import tensorflow as tf
help(tf.contrib.layers.batch_norm)

注：help()括号里面放你需要查询的函数

—————————————————————————————————————小白记

Tensorflow是一套深度学习开源软件库。从实现上来说，它的计算核心是基于高性能C/C++实现的，外部封装使用了简单的Python语言。
这里简单介绍汇总了一些tensorflow的常用接口，方便以后查询。

1 使用placeholder声明输入占位符

tf.placeholder ()函数

placeholder(
    dtype,
    shape=None,
    name=None
)

比如：

X = tf.placeholder("float", [None, n_input])

或

x = tf.placeholder(tf.float32, shape=(1024, 1024))

后面的shape参数中第一个为行数，第二个为列数，若显示为None，表示同时放入任意条记录

2 声明参数变量

tf.variable ()函数

W = tf.Variable(tf.random_normal([6, 2]), name = 'weights')
b = tf.Variable(tf.zeros([2]), name = 'bias')

或

weights = {
    'encoder_h1': tf.Variable(tf.random_normal([n_input, n_hidden_1])),
    'decoder_h1': tf.Variable(tf.random_normal([n_hidden_1, n_input])),
}
biases = {
    'encoder_b1': tf.Variable(tf.random_normal([n_hidden_1])),
    'decoder_b1': tf.Variable(tf.random_normal([n_input])),
}

可以定义变量的类型，形状，名称，有点类似前面的tf.placeholder ()

3 构造前向传播计算图

tf.nn.softmax()函数

softmax(logits, axis=None, name=None, dim=None)

比如：