Tensorflow笔记

①   reuse=False时，tf.variable_scope创建变量；reuse=True时，tf.variable_scope获取变量。

②   tf.get_variable函数不受tf.name_scope的影响

II. TF中有两种作用域类型
命名域 (name scope)，通过tf.name_scope 或 tf.op_scope创建；
变量域 (variable scope)，通过tf.variable_scope 或 tf.variable_op_scope创建；
这两种作用域，对于使用tf.Variable()方式创建的变量，具有相同的效果，都会在变量名称前面，加上域名称。
对于通过tf.get_variable()方式创建的变量，只有variable scope名称会加到变量名称前面，而name scope不会作为前缀 

3  函数原型：hstack(tup) ，参数tup可以是元组，列表，或者numpy数组，返回结果为numpy的数组：

import numpy as np
a=[1,2,3]
b=[4,5,6]
print(np.hstack((a,b)))

输出：[1 2 3 4 5 6 ]

4  vstack(tup) ，参数tup可以是元组，列表，或者numpy数组，返回结果为numpy的数组：

import numpy as np
a=[1,2,3]
b=[4,5,6]
print(np.vstack((a,b)))

输出：
[[1 2 3]
 [4 5 6]]

5 placeholder（type，shape，name），placeholder里的shape，如果是[None，n] , None 表示要喂的数据大小，可以用矩阵的行来理解，n用矩阵的列来理解。

6 保存神经网络参数到本地，以便下次加载进来，直接使用：

保存方法：Saver.save(ss,fnam,global_step)

      ss：表示当前会话，当前会话保存了当前的变量值

     fnam：存储的模型文件名，扩展名是“.chpt”，二进制文件

     global_step：表示当前是第几步

加载方法：tf.train.Saver.restore(ss,fname)

     ss:用于恢复参数的Session

     fnam：参数保存的文件名或路径

 e.g.  

# 保存参数到本地中
saver = tf.train.Saver()
saver.save(ss, 'tmp/m001.ckpt') 

# 加载保存到的参数到神经网络
saver = tf.train.Saver()
saver.restore(ss, 'tmp/m001.ckpt') 

8 seed( ) 用于指定随机数生成时所用算法开始的整数值，如果使用相同的seed( )值，则每次生成的随即数都相同，如果不设置这个值，则系统根据时间来自己选择这个值，此时每次生成的随机数因时间差异而不同。

9 numpy的ravel() 和 flatten()函数是将多维数组降位一维，numpy.flatten()返回一份拷贝，对拷贝所做的修改不会影响原始矩阵，而numpy.ravel()返回的是视图，会影响原始矩阵。