Tensorflow2.0学习笔记（2）:常用函数

Tensorflow2.0学习笔记（2）:常用函数

tf.cast(张量名，dtype=数据类型) 转换数据类型

a=tf.constant([1,2,3,4,5])
print(a)
print(tf.cast(a,tf.float32))

tf.reduce_min(张量名) 找最小值

print(tf.reduce_min(a))
print(tf.reduce_max(a))

tf.reduce_max(张量名) 找最大值

print(tf.reduce_min(a))
print(tf.reduce_max(a))

tf.reduce_mean(张量名，axis=操作轴) 计算指定维度的平均值

a=tf.constant([[1,2,3],
               [4,5,6]])
print(tf.reduce_mean(a,0))
print(tf.reduce_mean(a,1))

tf.reduce_sum(张量名，axis=操作轴) 计算指定维度的和

print(tf.reduce_sum(a,0))
print(tf.reduce_sum(a,1))

tf.Variable(初始值) 将变量标记为可训练

w=tf.Variable(tf.random.normal([2,2],mean=0,stddev=1))
print(w)

加减乘除

a=tf.constant([[1,2],[3,4]])
b=tf.constant([[3,4],[5,6]])
#对应元素的加减乘除
print(tf.add(a,b))
print(tf.subtract(a,b))
print(tf.multiply(a,b))
print(tf.divide(a,b))

平方、开方、次方

a=tf.constant([4,4])
print(tf.pow(a,3))#次方
print(tf.square(a))#平方

矩阵乘法

a=tf.ones([3,2])
b=tf.fill([2,3],1.)
print(tf.matmul(a,b))#tf.matmul(矩阵1，矩阵2)

生成输入特征标签对

data=tf.data.Dataset.from_tensor_slices(输入特征，标签)

features=tf.constant([12,23,10,17])
labels=tf.constant([0,1,1,0])
dataset=tf.data.Dataset.from_tensor_slices((features,labels))
print(dataset)
for i in dataset:
    print(i)

求张量梯度

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

枚举

seq=['one','two','three']
for i,element in enumerate(seq):
    print(i,element)

独热码

将标签从单独形式转化为独热码形式
tf.one_hot(待转换标签，depth=几分类)

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

使输出符合独热码形式的概率分布

y=tf.nn.softmax(x),其中x各元素相加不等于1，y中各元素相加等于1

x=tf.constant([1,1,2])
y=tf.nn.softmax(x)
print(y)

参数自更新

w.assign_sub（w要自减的内容），w为变量

返回指定操作轴方向的最大值索引号

tf.argmax(张量名，axis=轴序号)

a=tf.constant([[1,2,3],
               [4,5,6]])
print(a)
print(tf.cast(a,tf.float32))