tensorflow常用函数

        Tensorflow的名字中包含两个概念-tensor和flow。Tensor是张量的意思，在tensorflow中可以被简单的理解为数组。Flow就是张量之间通过计算相互转化的过程。分别介绍tensorflow的计算模型、数据模型和运行模型。

1.计算模型

        Tensorflow是一个通过计算图的形式啦表述计算的编程系统，Tensorflow将所有的计算转化为计算图，图中的每一个计算都是计算图的一个节点，并且不同计算图上的张量和运算都不会共享。

函数：

        tf.get_default_graph函数可以获取当前默认的计算图。

        tf.Graph函数用来生成新的计算图。

        tf.Graph.device函数来指定运行计算的设备。

2.数据模型

        张量可以被简单理解为多位数组。在tensorflow中，张量并非保存数字，而是保存的是如何得到这些数字的运算过程。一个张量中主要包含三个属性：名字、维度、类型。如下图所示。

        add:0，表示result这个变量是节点“add”输出的第一个结果，编号从0开始。shape表示的是张量的维度。dtype表示属性的类型。

3.运行模型

        Tensorflow中的session来执行定义好的运算。session拥有并管理Tensorflow程序运行时的所有资源。session也有先定义后使用的规则，但是在程序的结尾处要close了。

使用方法：

sess = tf.Session() #创建一个会话

sess.run()  #将进行会话的运算

sess.close(0 #关闭会话

如果不想使用close也可以使用with函数。如：

with tf.Session() as sess:

    sess.run()

tf.Tensor.eval函数来计算一个张量的取值。

tf.InteractiveSession函数会自动将生成的会话注册为默认会话。

Tensorflow常用函数：

tf.Variable() #创建一个变量

tf.matmul() #实现矩阵相乘

常见随机数生成函数：

（1）tf.random_normal() #正太随机函数，主要参数为平均值、标准差、取值类型

例:tf.random_normal([2,3],stddev=2)，2*3矩阵，标准差为2

（2）tf.truncated_normal() #正太分布随机函数，如果随机出来的值偏离平均值超过2个标准差，那么这个数将会被重新随机

（3）tf.random_uniform() #平均分布，主要参数为最小、最大取值，取值类型

（4）tf.random_gamma() #Gamma分布，主要参数为形状参数alpha、尺度参数beta、取值类型

常见常熟生成函数：

（1）tf.zeros()  #生成全0的数组

例:tf.zeros([2,3],int32)

（2）tf.ones() #生成全1的数组

例:tf.ones([2,3],int32)

（3）tf.fill()产生一个全部为给定数字的数组

例:tf.fill([2,3],2)

（4）tf.constant() #产生一个给点值得常量

例:tf.constant([2,3])

tf.initialize_all_variables() #初始化所有的变量，tensorflow中定义时初始化变量是个伪初始化变量，需要进行改函数的初始化才能生效。

 卷积神经网络：

tf.nn.max_pool(value,ksize,stridies,padding,name=None)    #value一边是feature map，形式是一个四维变量为[batch,height,width,channels]，ksize表示池化窗口的大小，是一个四维变量[1,height,width,1]，strdies是步长，[1,stride,stride,1]，padding取‘VALID’或者‘SAME’。

tf.nn.lrn(input,depth_radius=None,bias=None,alpha=None,beta=None)    #是一个数据增强作为relu激励之后防止数据过拟合而提出的一种处理方法，局部相应标准化。基本上会被DROPOUT方法所替代。

tf.nn.bias_add(value,bias,name=None)    #将偏差项bias加入到value上去

tf.image.decode_jpeg(image_contents,channels=3)    #对jpeg格式的图像进行解码，解码之后的结果为一个tensor，channels为颜色通道个数

tf.train.slice_input_producer()    #是一个tensor生成器，作用是按照设定，每次从一个tensor列表中按顺序或者随机抽取出一个tensor放入文件名队列。

tf.train.batch()    #是一个tensor队列生成器，作用是按照给定的tensor顺序，吧batch_size个tensor推送到文件队列，作为训练一个batch的数据，等待tensor出对执行计算。

tf.nn.dropout()    #为了防止或减轻过拟合而使用的函数，一般在全连接层。

tf.train.AdamOptimizer(learning_rate)    #次函数是Adam优化算法，选择全局最优点的优化算法，引入了二次方梯度校正，并基于learning_rate进行梯度优化训练

tf.train.GradientDescentOptimizer(learning_rate)    #此函数是利用梯度下降方进行优化操作,并基于learning_rate进行梯度优化训练

tf.summary.merge_all()    #可以将所有的summary全部保存到磁盘，以便tensorboard显示

tf.summery.scalar()    #添加标量统计结果

tf.nn.in_top_k(prediction,target,k)    #模型预测的结果和实际结果是否相等，k表示每个样本的预测结果的前K个最大的数是否在target里，一般取1

tf.nn.relu()    #激活函数

tf.nn.lrn(0    #归一化函数

tf.argmax(vector, 1)    #返回的是vector中的最大值的索引号，如果vector是一个向量，那就返回一个值，如果是一个矩阵，那就返回一个向量，这个向量的每一个维度都是相对应矩阵行的最大值元素的索引号。

Tensorflow的API地址为：https://www.tensorflow.org/api_docs/python/

参考文献：

Tensorflow：实战Google深度学习框架

ValueError: Rank mismatch: Rank of labels (received 2) should equal rank of logits minus 1 (received 2).http://maaiguo.com/