tf.argmax()函数 tf.equal()函数 tf.cast()函数 tf.truncated_normal()

1. tf.argmax()函数

tf.argmax可以认为就是np.argmax。tensorflow使用numpy实现的这个API。 
　  简单的说，tf.argmax就是返回最大的那个数值所在的下标。tf.argmax(array,axis)

    当axis=1时返回每列最大值的下标，当axis=0时返回每行最大值的下班。

2. tf.equal()函数

tf.equal(A,B)是对比这两个矩阵或者向量的相等的元素，如果是相等的那就返回True，反正返回False，返回的值的矩阵维度和A是一样的

[python]  view plain  copy

1. A = [[1,3,4,5,6]]    
2. B = [[1,3,4,3,2]]  
3.   
4.   
5. with tf.Session() as sess:    
6.     print(sess.run(tf.equal(A, B)))  
7.       
8. [[ True  True  True False False]]  

3. tf.cast()函数

tf.cast(x, dtype)将x的数据格式转化成dtype.

[python]  view plain  copy

1. a = tf.Variable([1,0,0,1,1])  
2. b = tf.cast(a,dtype=tf.bool)  
3. sess = tf.Session()  
4.   
5.   
6. a = tf.Variable([1,0,0,1,1])  
7. b = tf.cast(a,dtype=tf.bool)  
8. sess = tf.Session()  
9. sess.run(tf.global_variables_initializer())  
10. print(sess.run(b))  
11.   
12. [ True False False  True  True]  

4. tf.truncated_normal()

tf.truncated_normal(shape, mean, stddev):shape表示生成张量的维度，mean是均值，stddev是标准差。这个函数产生正太分布，均值和标准差自己设定。这是一个截断的产生正太分布的函数，就是说产生正太分布的值如果与均值的差值大于两倍的标准差，那就重新生成。和一般的正太分布的产生随机数据比起来，这个函数产生的随机数与均值的差距不会超过两倍的标准差，但是一般的别的函数是可能的。

[python]  view plain  copy

1. import tensorflow as tf;    
2. import numpy as np;    
3. import matplotlib.pyplot as plt;    
4.   
5. c = tf.truncated_normal(shape=[10,10], mean=0, stddev=1)    
6.   
7. with tf.Session() as sess:    
8.     print(sess.run(c))  
9.       
10. [[ 0.56077307  1.74287605 -0.15655719  0.87136668 -0.4219175   0.94079614  
11.   -1.31186545  1.94287431  0.70748854  1.15509737]  
12.  [ 0.32469562 -0.91890186 -0.44398952  1.25986481 -1.07295966  0.21889997  
13.    0.19389877 -1.22909117  1.34865403  0.87812191]  
14.  [-0.83542323 -0.05598836 -1.05256093 -1.16475403 -0.17121609 -0.55075479  
15.   -0.37847248  0.14151201  0.36596569  0.55171227]  
16.  [ 0.45216689  0.12429248 -0.4333829  -0.00368057 -0.20933141  0.5465408  
17.    1.06096387  1.47238612 -1.99268937  1.28203201]  
18.  [ 0.36932501  0.30012983  1.94679129  0.59601396 -0.16721351 -0.42786792  
19.    0.917597   -1.6504811  -0.81060582 -0.35126168]  
20.  [-1.48954999 -0.42889833  0.31517059  1.00009787  0.26073182  1.26285052  
21.   -1.80997884  0.51399821 -0.27673215  0.15389352]  
22.  [ 0.8669793  -0.28650126  1.39484227 -0.4041909  -1.70028269  0.58513969  
23.    0.75772232 -0.47386578 -0.34529254 -0.71658897]  
24.  [ 0.74709773 -0.0835886   1.14453304  0.70367438  0.07037418 -0.15808868  
25.    0.23158503 -0.67268801  0.55869597  0.12777361]  
26.  [-0.52604282  0.64181858 -0.04147881  0.78596973  0.69087744  0.56500375  
27.   -1.12409449 -0.42864376  0.30804652  1.33116138]  
28.  [-1.36940789 -0.4526186  -0.87445366  0.19748467 -0.06541829 -0.2672275  
29.    0.63084471  0.76155263  0.83874393  0.91775542]]