Tensorflow的一些基本用法

在使用TensorFlow中会遇到一些其基本的用法，再次作为记录备忘!

tf.add_to_collection

在计算整体的loss是会将不同部分的loss放入一个集合中，最后计算整体的loss,因此会用到tf.add_to_collection，具体参考TensorFlow中的cifar10的例子，用法如下所示：

tf.add_to_collection：把变量放入一个集合，把很多变量变成一个列表
tf.get_collection：从一个结合中取出全部变量，是一个列表
tf.add_n：把一个列表的东西都依次加起来

一般这样用：

tf.add_n(tf.get_collection("losses"）,name='name')
其中losses是一个集合

softmax

关于TensorFlow中softmax和entropy的计算：

pre = tf.Variable([[10.0,0.0,0.0],[0.0,10.0,0.0],[0.0,0.0,10.0]])
lab =tf.Variable([[1.0,0.0,0.0],[0.0,1.0,0.0],[0.0,0.0,1.0]])
#计算softmax
y = tf.nn.softmax(pre)
#计算交叉熵
cross_entropy = tf.reduce_mean(-tf.reduce_sum(lab*tf.log(y),reduction_indices=[1]))
#一次性计算softmax and entropy
loss = tf.contrib.losses.softmax_cross_entropy(pre,lab)

大部分应用中标识的分布都会比较稀疏，可以使用下面方式提高效率：

tf.contib.losses.sparse_softmax_cross_entropy(logits,labels)

tf.nn.embedding_lookup

http://blog.csdn.net/john_xyz/article/details/60882535

layers_core.Dense

import tensorflow as tf
from tensorflow.python.layers import core as layers_core
ones = tf.Variable([[1.0,2],[3,4]])
output_layer = layers_core.Dense(5)
logits = output_layer(ones)
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print sess.run(ones)
    print sess.run(logits)