tensorflow中一些常见的函数（持续更新）

1.类型转换tf.cast()

tf.cast()函数的作用是执行 tensorflow 中张量数据类型转换，比如读入的图片如果是int8类型的，一般在要在训练前把图像的数据格式转换为float32。

tf.cast(x, dtype, name=None)

第一个参数 x:   待转换的数据（张量）
第二个参数 dtype： 目标数据类型
第三个参数 name： 可选参数，定义操作的名称

2.计算平均值 tf.reduce_mean

tf.reduce_mean 函数用于计算张量tensor沿着指定的数轴（tensor的某一维度）上的的平均值，主要用作降维或者计算tensor（图像）的平均值。

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

第一个参数input_tensor： 输入的待降维的tensor;
第二个参数axis： 指定的轴，如果不指定，则计算所有元素的均值,若axis=0,则计算垂直方向上的平均值，若axis=1，则计算水平方向上的平均值;
第三个参数keep_dims：是否降维度，设置为True，输出的结果保持输入tensor的形状，设置为False，输出结果会降低维度;
第四个参数name： 操作的名称;
第五个参数 reduction_indices：在以前版本中用来指定轴，已弃用;

3.计算综合tf.reduce_sum

tf.reduce_sum将矩阵的元素相加，可以按列，也可以按行，或者先按列后按行

reduce_sum(
    input_tensor,
    axis=None,
    keep_dims=False,
    name=None,
    reduction_indices=None
)

input_tensor：输入的张量数组
axis：求和的维度,指定的轴，如果不指定，则计算所有元素的和,若axis=0,则计算垂直方向上的和，若axis=1，则计算水平方向上的和
keepdims：是否保持维度不变

4.指数衰减学习率tf.train.exponential_decay

tf.train.exponential_decay(
    learning_rate,
    global_step,
    decay_steps,
    decay_rate,
    staircase=False，#默认为False
    name=None
)

learning_rate：初始学习率
global_step：一共循环轮数
decay_steps：每多少轮，衰减一次
decay_rate：衰减比率
staircase：布尔值。如果True以不连续的间隔衰减学习速率，最后曲线就是锯齿状

5.正则化权重损失函数l1_regularizer/l2_regularizer

#L1正则化损失函数
tf.contrib.layers.l1_regularizer(lambda)(weight)
#L2正则化损失函数
tf.contrib.layers.l2_regularizer(lambda)(weight)

lambda：正则化的权重