Tensorflow中常用函数以及常见名词定义讲解

Tensorflow详解

Tensorflow官方文档：https://www.w3cschool.cn/tensorflow_python/

目录

Tensorflow详解

一.Tensorflow中常用函数讲解

1. tf.nn.softmax_cross_entropy_with_logits() 交叉熵

2. tf.arg_max()函数

3. tf.equal()函数

4. tf.cast()函数

5. tf.reduce_*类降维函数讲解

（1）tf.reduce_mean()函数

（2）tf.reduce_sum()函数

（3）tf.reduce_min()函数

（4）tf.reduce_max()函数

（5）tf.reduce_all()函数

（6）tf.reduce_any()函数

（7）tf.reduce_logsumexp()函数

（8）tf.reduce_prod()函数

二.Tensorflow中常见名词定义

1. tensorflow中batch的含义

---

一.Tensorflow中常用函数讲解

1. tf.nn.softmax_cross_entropy_with_logits() 交叉熵

在计算loss的时候，最常见的一句话就是tf.nn.softmax_cross_entropy_with_logits，

首先明确一点，loss是代价值，也就是我们要最小化的值

定义：tf.nn.softmax_cross_entropy_with_logits(logits, labels, name=None)

参数：
除去name参数用以指定该操作的name，与方法有关的一共两个参数：

• logits：就是神经网络最后一层的输出，如果有batch的话，它的大小就是[batch_size，num_classes]，单样本的话，大小就是num_classes
• labels：实际的标签，大小同上
• name: 用以指定该操作的name;

具体的执行流程大概分为两步：

第一步是先对网络最后一层的输出做一个softmax，这一步通常是求取输出属于某一类的概率，对于单样本而言，输出就是一个num_classes大小的向量（[Y1，Y2,Y3...]其中Y1，Y2，Y3...分别代表了是属于该类的概率）

softmax的公式是：

至于为什么是用的这个公式？这里不介绍了，涉及到比较多的理论证明

第二步是softmax的输出向量[Y1，Y2,Y3...]和样本的实际标签做一个交叉熵，公式如下：

其中指代实际的标签中第i个的值（用mnist数据举例，如果是3，那么标签是[0，0，0，1，0，0，0，0，0，0]，除了第4个值为1，其他全为0）

就是softmax的输出向量[Y1，Y2,Y3...]中，第i个元素的值

显而易见，预测越准确，结果的值越小（别忘了前面还有负号），最后求一个平均，得到我们想要的loss

注意！！！这个函数的返回值并不是一个数，而是一个向量，如果要求交叉熵，我们要再做一步tf.reduce_sum操作,就是对向量里面所有元素求和，最后才得到，如果求loss，则要做一步tf.reduce_mean操作，对向量求均值！
--------------------- 
原文：https://blog.csdn.net/mao_xiao_feng/article/details/53382790 

2. tf.arg_max()函数

定义为: def arg_max(input, dimension, name=None)       

作用是取行或者列的最大值的位置（即返回最大的那个数值所在的下标）。

• input:类型为 float32, float64, int64, int32, uint8, uint16, int16, int8, complex64, complex128, qint8, quint8, qint32, half的tensor
• dimension:必须为int32, int64. int32，取值为0或1, 当dimension=1时返回每列最大值的下标，当dimension=0时返回每行最大值的下标。
• name:名字
• returns:返回一个tensor

3. tf.equal()函数

tf.equal(A,B)是对比这两个矩阵或者向量的相等的元素，如果是相等的那就返回True，反正返回False，

return: 返回的值的矩阵维度和A是一样的。

例：

A = [[1,3,4,5,6]]  
B = [[1,3,4,3,2]]
with tf.Session() as sess:  
    print(sess.run(tf.equal(A, B)))
    
结果：[[ True  True  True False False]]

4. tf.cast()函数

tf.cast(x, dtype)将x的数据格式转化成dtype

例： 

a = tf.Variable([1,0,0,1,1])
b = tf.cast(a,dtype=tf.bool)
sess = tf.Session()
sess.run(tf.global_variables_initializer())
print(sess.run(b))
 
[ True False False  True  True]

5. tf.reduce_*类降维函数讲解

（1）tf.reduce_mean()函数

tf.reduce_mean 函数用于计算张量tensor沿着指定的数轴（tensor的某一维度）上的的平均值，主要用作降维或者计算tensor（图像）的平均值。

定义：reduce_mean(input_tensor, axis=None, keep_dims=False, name=None)

参数：

• input_tensor： 输入的待降维的tensor;