神经网络学习（二）---tensorflow 和 keras 代码学习总结

1.  tf.reduce_mean函数的作用是求平均值。第一个参数是一个集合，可以是列表、二维数组和多维数组。第二个参数指定在哪个维度上面求平均值。默认对所有的元素求平均。 axis=None/axis=0/axis=1

tf.reduce_mean(input_tensor, axis=None, keep_dims=False, name=None, reduction_indices=None)

参数：input_tensor: 被计算的张量，确保为数字类型。

        axis: 方向数轴，如果没有指明，默认是所有数轴都减小为1。

        keep_dims: 如果定义true, 则保留维数，但数量个数为0.

        name: 操作过程的名称。

        reduction_indices: 为了旧函数兼容的数轴。

返回值:降低维数的平均值。
 

2.tf.argmax()返回最大数值的下标 ，通常和tf.equal()一起使用，计算模型准确度。

  用法：self.acc1 = tf.equal(tf.argmax(self.fc2_out, 1), tf.argmax(self.in_y, 1))

tf.argmax(self.fc2_out, 1)，返回返回每一行的最大值的索引

3.tf.placeholder(dtype, shape=None, name=None)：placeholder，占位符，在tensorflow中类似于函数参数，运行时必须传入值。

1. dtype：数据类型。常用的是tf.float32,tf.float64等数值类型
2. shape：数据形状。默认是None，就是一维值，也可以是多维（比如[2,3], [None, 3]表示列是3，行不定）
3. name：名称

4.keras     Conv1D

keras.layers.convolutional.Conv1D(filters,   kernel_size,   strides=1,   padding='vali