tensorflow学习（1.4常用函数）

强制tensor转换为该数据类型

tf.cast(张量名，dtype=数据类型）

计算张量维度上元素的最小值

tf.reduce_min(张量名）

九三张量维度上元素的最大值

tf.reduce_max（张量名）

import tensorflow as tf

x1 = tf.constant([1., 2., 3.], dtype=tf.float64)
print("x1:", x1)
x2 = tf.cast(x1, tf.int32)
print("x2", x2)
print("minimum of x2：", tf.reduce_min(x2))
print("maxmum of x2:", tf.reduce_max(x2))


x1: tf.Tensor([1. 2. 3.], shape=(3,), dtype=float64)
x2 tf.Tensor([1 2 3], shape=(3,), dtype=int32)
minimum of x2： tf.Tensor(1, shape=(), dtype=int32)
maxmum of x2: tf.Tensor(3, shape=(), dtype=int32)

axis = 0 代表经度（down）

axis = 1 代表纬度（across）

计算张量沿着指定维度的平均值

tf.reduce_mean(张量名，axis=操作轴）

计算张量沿着指定维度的和

tf.reduce_sum(张量名，axis=操作轴）

tf.Variable()将变量标记为“可训练”,被标记的变量会在反向传播中记录梯度信息，在常用该函数标记待训练参数。

tf.Variable(初始值)

实现两个张量的对应元素相加：tf.add（张量1，张量2）

实现两个张量的对应元素相减：tf.subtract(张量1，张量2）

实现两个张量的对应元素相乘：tf.multipy(张量1，张量2）

实现两个张量的对应元素相除：tf.divide(张量1，张量2）

实现两个矩阵的相乘：tf.matmul(矩阵1，矩阵2）

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：data = tf.data.Datasetfrom_tensor_slices((输入特征，标签))

（numpy 和  tensor 格式都可用该语句读入数据）