TensorFlow常用函数对象介绍
tf.cast(张量名,dtype=数据类型):强制数据类型转换;
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