TensorFlow常用函数对象介绍

tf.reduce_min(张量名)：计算张量维度上的最小值；

tf.reduce_max(张量名)：计算张量维度上的最大值；

axis的含义：在一个二维张量中，可以通过调整axis等于0或者1控制执行维度，等于0表示跨行，等于1表示跨列，如果不指定则所有元素参与计算；

tf.reduce_mean(张量名，axis=操作轴)：计算张量沿指定维度的平均值；

tf.reduce_sum(张量名，axis=操作轴)：计算张量沿指定维度的和；

tf.Variable(初始值)：将变量标记为“可训练的”，被标记的变量会在反向传播中记录梯度信息（在神经网络训练中，常使用该函数对象标记待训练的参数）；

tf.add\subtract\multiply\divide(张量1，张量2)：提供了张量对应元素的加减乘除（两张量的维度必须相同）；

tf.square\pow\sqrt：提供了元素的平方、次方和开方；

tf.matmul()：提供矩阵乘法；

tf.data.Dataset.from_tensor_slices((输入特征，标签))：切分传入张量的第一维度，生成输入特征/标签对，构建数据集；

tf.GradientTape()：实现某个函数对指定参数的求导运算：

with tf.GradientTape() as tape:
    w=tf.Variable(tf.constant(3.0))
    loss=tf.pow(w,2)
grad=tape.gradient(loss,w)
print(grad)

tf.one_hot(待转换的数据，depth=几类别)：生成独热编码：

labels=tf.constant([1,0,2])
output=tf.one_hot(labels,depth=3)
print(output)

tf.nn.softmax()：实现sorftmax的激活函数；

tf.assign_sub(要自减的内容)：赋值操作，更新参数的值并返回（调用该对象时，需要使用Variable定义变量可训练）；

tf.argmax(张量名，axis=操作轴)：返回张量沿指定维度最大值的索引。

内容参考教学视频: 北京大学人工智能实践-TensorFlow2.0