tensor高阶操作

1合并与拆分

合并：concat 用某一个维度进行累加，不会增加维度。所拼接的维度可以不相等，其他维度必须相等
叠加:stack增加新的维度，所有维度都要相等

unstack:指定维度拆分两份数据，指定某一维度进行拆分，这个维度有多少长，就会打成多少个数据

split：更加灵活，可以指定打散长度和数量

2、数据统计

一范数、二范数求解：ord=1为一范数求解,ord=2为二范数求解

reduce_min、reduce_max、reduce_mean:最小值、最大值、均值，默认为全部元素的最大或最小

argmax\argmin:默认为axis=0

tf.equal:对比元素是否相同

tf.unique:去除重复元素

3、张量排序

argsort:数值大小排序返回索引

top_k:最大的前几个值，返回前几个值的索引

top_k_accuracy:表示预测的可能类别，最大概率为正确的准确性。

4、数据填充与复制：

（1）pad:tf.pad(a,[[0,0],[1,0]]),对a数据进行pad，第一维表示行，第二维度表示列。第一维的[0,0]，表示上下两行不进行填充，第二维的[1,0]表示左边填充1列右面不进行填充。填充的为0

（2）tile:数据复制
tf.tile(a,[1,2])对a数据进行复制，1表示该维度不进行复制，2表示该维度进行复制一倍。如果都进行复制，先复制小维度。

5、张量限幅

clip_by_value:限制在某一个范围内，给定最小值与最大值。tf.clip_by_value(a,2,8),取a的值范围是2到8
clip_by_norm:等比例放缩，放缩模

gradient clipping：整体缩放，保持方向不变，整体缩放。可以防止梯度爆炸和梯度消失。
grads,_=tf.clip_by_global_norm(grads,15)将梯度限制在0到15之间。梯度在0-20之间比较好

6、高阶操作：

where:寻找满足条件的索引，与gather_nd结合可以取出值。


scatter_nd:做一个底板，有值和索引，将对应索引上的值进行更新。

7数据加载：

数据准备：keras.datasets进行数据集加载

shuffle:打散顺序，随机打散
map:数据预处理
batch:读取数据是一堆一堆的
repeat():迭代次数