tf.placeholder用法
tf.set_random_seed() tf1版本
设置图级随机seed
tf.random.set_seed(116) tf2版本
tf.random_normal()函数用于从“服从指定正态分布的序列”中随机取出指定个数的值。
tf.random.normal TF2格式
tensorflow中{}与None
a={}
print(type(a))
b=None
print(type(b))
tf.contrib.layers.xavier_initializer() tf1
在tensorflow 2.0中,您有一个tf.initializer包含所需的所有类似Keras的初始化程序的软件包。
Xavier初始化程序与Glorot Uniform初始化程序相同。因此,要创建一个(3,3)具有从该初始值设定项采样的值的变量,您可以:
shape = (3,3)
initializer = tf.initializers.GlorotUniform()
var = tf.Variable(initializer(shape=shape))
IndexError: arrays used as indices must be of integer (or boolean) type
shape参数的个数应为维度数,每一个参数的值代表改维度上的长度:
shape=(4,) 表示此张量是一个1维张量,有4个数据,一维数据有4个数据;
shape=(4,1)表示此张量是一个2维张量,第一个维度长度为4,第二个维度长度为1,二维数组4行1列;
shape=(1,4)表示此张量是一个2维张量,第一个维度长度为1,第二个维度长度为4,二维数组1行2列;
a = tf.constant([[1,2,3,4]])
b = tf.constant([1,2,3,4])
c = tf.constant([[1],[2],[3],[4]])
print(a.shape) #shape=(1,4)
print(b.shape) #shape=(4,)
print(c.shape) #shape=(4,1)
tf.keras.optimizers.Adam.minimize
我想用它tf.contrib.keras来玩弄它。但是,有一点我不明白。来自的类tf.train有一个minimize用于优化函数的函数。但是,minimize对于 中的类不存在此函数tf.contrib.keras.optimizers。假设我们有以下代码:
```bash
# tensorflow
tf.train.AdamOptimizer(learning_rate=0.001)
updateModel = trainer.minimize(loss)
# keras wrapper
trainer=tf.contrib.keras.optimizers.Adam()
updateModel = trainer.minimize(loss) # ERROR because minimize function does not exists