TensorFlow记录（一）

记录学习TensorFlow过程中遇到知识点

1.函数 tf.contrib.keras.preprocessing.sequence.pad_sequences()

用于填充数组（列表），返回一个数组类型。函数参数：

def pad_sequences(sequences: {__iter__, __len__},
                  maxlen: Any = None,
                  dtype: str = 'int32',
                  padding: str = 'pre',
                  truncating: str = 'pre',
                  value: float = 0.) -> ndarray

传入的sequence是一个序列，maxlen是填充的最大长度，padding有两种参数pre , post,分别指定在序列之前或者最后进行填充。truncating指定当最大长度少于输入序列长度时候从前面截断还是从后面截断。最后的value指定填充所用的数字。例如：

data = [[1,2,3.4],[3,4.7,5,6]]

print(type(data))
pad_data = kr.preprocessing.sequence.pad_sequences(data, maxlen=3, dtype=np.float32, truncating='pre')
print(type(pad_data))
print(pad_data)

输出：

<class 'list'>
<class 'numpy.ndarray'>
[[1.  2.  3.4]
 [4.7 5.  6. ]]

2.函数 tf.contrib.keras.utils.to_categorical()

函数将数字转化为对应的 one-hot 编码，函数参数：

def to_categorical(y: Any,
                   num_classes: Any = None,
                   dtype: str = 'float32') -> ndarray

num_class 指定编码的长度，例如：

labels = list(range(4))
labels = kr.utils.to_categorical(labels, num_classes=len(labels))

print(labels)

输出：

[[1. 0. 0. 0.]
 [0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]]

3.tf.flags.DEFINE_XXX()

例如：

import tensorflow as tf

FLAGS = tf.flags.FLAGS
tf.flags.DEFINE_integer('test_int', 100, 'introduce')

print(FLAGS.test_int)

使用这个函数