【TensorFlow中常见的操作（OP）介绍】

TensorFlow是一个广泛用于机器学习和深度学习的开源库。在TensorFlow中，一个OP（操作）是对张量（tensor）进行操作的基本单位。这些操作可以包括数学运算、数据重新排列、读取外部数据以及其他各种类型的操作。

数学运算

加法（tf.add）

import tensorflow as tf

a = tf.constant([1, 2])
b = tf.constant([3, 4])
result = tf.add(a, b)

这里，tf.add 对张量 a 和 b 进行逐元素的加法运算。

减法（tf.subtract）

result = tf.subtract(a, b)

乘法（tf.multiply）

result = tf.multiply(a, b)

除法（tf.divide）

result = tf.divide(a, b)

数据重塑

Reshape（tf.reshape）

reshaped_tensor = tf.reshape(tensor, new_shape)

示例：对于一个shape为(2, 3)的张量，使用tf.reshape(tensor, (3, 2))会将其重新塑造为一个(3, 2)的张量。

聚合操作

求和（tf.reduce_sum）

sum = tf.reduce_sum(tensor, axis)

示例：如果有一个shape为(3, 3)的张量，设置 axis=1 将在行上进行求和。

平均值（tf.reduce_mean）

mean = tf.reduce_mean(tensor, axis)

数据切片和连接

切片（tf.slice）

sliced = tf.slice(tensor, begin, size)

连接（tf.concat）

concatenated = tf.concat([tensor1, tensor2], axis)

激活函数

ReLU（tf.nn.relu）

activated = tf.nn.relu(tensor)

Sigmoid（tf.nn.sigmoid）

activated = tf.nn.sigmoid(tensor)