Tensorflow-Python基础

本人在Tensorflow学习过程中有很多方法都不是很熟悉，因此总结了自己遇到的部分Python方法，给了注释，希望能够帮到大家。

1、初始化变量

tf.get_variable(name,  shape, initializer):

name：变量名称
x = tf.Variable([1,2])#定义一个变量
a = tf.constant([3,3])#定义一个常量

shape：变量的维度
initializer:变量初始化的方式
初始化的方式有以下几种：
tf.constant_initializer：常量初始化函数
tf.random_normal_initializer：正态分布
tf.truncated_normal_initializer：截取的正态分布（参考链接）
tf.random_uniform_initializer：均匀分布
tf.zeros_initializer：全部是0
tf.ones_initializer：全是1
tf.Variable()：每次使用创建，reuse属性对其不起作用，tf.get_variable，如果使用的对象已经创建，则把该对象返回，如果没有创建，则创建一个新的对象。
2、卷积操作
tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)
先卷积再相加
tf.nn.depthwise_conv2d(input, filter, strides, padding, name=None)
只卷积不相加
3、多线程操作
关于tensorflow 的数据读取线程管理QueueRunner
4、占位符和feed_dict
tf.pleceholder()没有初始值，只有在空间中的内存。在会话中，占位符可以使用 feed_dict 馈送数据。
5、tf.unravel_index(indices, dims,order='C')
indices:将一个矩阵flatten后所需要取出的index
dims：原矩阵的形状shape
order：选择行在前还是列在前
6、#使用梯度下降
train_step = tf.train.GradientDescentOptimizer(0.2).minimize(loss)#0.2的学习率
7、tf.reduce_mean(x) ==> 2.5 #如果不指定第二个参数，那么就在所有的元素中取平均值
   tf.reduce_mean(x, 0) ==> [2.,  3.] #指定第二个参数为0，则第一维的元素取平均值，即每一列求平均值
   tf.reduce_mean(x, 1) ==> [1.5,  3.5] #
   tf.reduce_max()求最大值