tensorflow常用函数整理

tf.get_shape()

x.get_shape()中x只能是tensor，且返回的是一个元组，得到tensor x的尺寸。

tf.shape()

与x.get_shape()不同的是，tf.shape()中a数据类型可以是tensor，list，array。

tf.convert_to_tensor()

将张量对象、数字数组、Python列表和Python标量转换为一个tensor。

tf.name_scope()

定义一块名为cgx_name_scope的区域，并在其中工作。在某个tf.name_scope()指定的区域中定义的所有对象及各种操作，他们的“name”属性上会增加该命名区的区域名，用以区别对象属于哪个区域。
例如：

import tensorflow as tf;  
tf.reset_default_graph()

# 无tf.name_scope()
a = tf.constant(1,name='my_a') #定义常量
b = tf.Variable(2,name='my_b') #定义变量
c = tf.add(a,b,name='my_add') #二者相加（操作）
print("a.name = "+a.name)
print("b.name = "+b.name)
print("c.name = "+c.name)

# 有tf.name_scope()
# with tf.name_scope('cgx_name_scope'): #定义一块名为cgx_name_scope的区域，并在其中工作
#     a = tf.constant(1,name='my_a')
#     b = tf.Variable(2,name='my_b')
#     c = tf.add(a,b,name='my_add')
# print("a.name = "+a.name)
# print("b.name = "+b.name)
# print("c.name = "+c.name)

输出结果对比：

# 输出结果
# 无tf.name_scope()
a.name = my_a:0
b.name = my_b:0
c.name = my_add:0

# 有tf.name_scope()
a.name = cgx_name_scope/my_a:0
b.name = cgx_name_scope/my_b:0
c.name = cgx_name_scope/my_add:0

tf.argmax()

tf.argmax(input,axis)根据axis取值的不同返回每行或者每列最大值的索引。

test = np.array([
[1, 2, 3],
 [2, 3, 4], 
 [5, 4, 3], 
 [8, 7, 2]])
np.argmax(test, 0)　　　＃按列，输出：array([3, 3, 1]
np.argmax(test, 1)　　　＃按行，输出：array([2, 2, 0, 0]