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。
- dtype:数据类型。常用的是tf.float32,tf.float64等数值类型
- 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)
- name:名称
4.keras Conv1D
keras.layers.convolutional.Conv1D(filters, kernel_size, strides=1, padding='vali