tf.cast的使用

这些东西还是看官方文档才能理解的更加透彻。

cast(x, dtype, name=None) 

将x的数据格式转化成dtype.例如，原来x的数据格式是bool， 

官方解释https://www.tensorflow.org/api_docs/python/tf/cast

tf.argmax

官方解释：

argmax(
    input,
    axis=None,
    name=None,
    dimension=None,
    output_type=tf.int64
)

Returns the index with the largest value across axes of a tensor. (deprecated arguments)

input是一个必须是int，必须再[-rank[input],rank[input]]之间，

返回一个Tensor。

举例

ss = tf.argmax([[1,2,3,4],[5,6,7,8]],0)
sess = tf.Session()
sess.run(tf.initialize_all_variables())
print (sess.run((ss)))
结果返回一个[1 1 1 1] 1*4的tensor，我的理解是开始是[2,4] 设置为axis=0 意思就是要改变第0个也就是2的维度，所以变为1，4. 

[1,1,1,1]代表[5,6,7,8]的下标

tf.concat的理解:官方解释

concat(
    values,
    axis,
    name='concat'
)
Concatenates the list of tensors values along dimension axis. If values[i].shape = [D0, D1, ... Daxis(i), ...Dn], the concatenated result has shape

      
      

       
       

       
       

      
      
[D0, D1, ... Raxis, ...Dn]

where
     
     

      
      

      
      

     
     
Raxis = sum(Daxis(i))
t1 = [[1, 2, 3], [4, 5, 6]]
t2 = [[7, 8, 9], [10, 11, 12]]
tf.concat([t1, t2], 0)  # [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]
tf.concat([t1, t2], 1)  # [[1, 2, 3, 7, 8, 9], [4, 5, 6, 10, 11, 12]]

# tensor t3 with shape [2, 3]
# tensor t4 with shape [2, 3]
tf.shape(tf.concat([t3, t4], 0))  # [4, 3]
tf.shape(tf.concat([t3, t4], 1))  # [2, 6]
我的理解就是concat[t1,t2]，0  意思就是要修改第0个数的维度，所以将第0个数相加。
tf.reducemean()
reduce_mean(
    input_tensor,
    axis=None,
    keep_dims=False,
    name=None,
    reduction_indices=None
)
按照axis来计算平均值，如果keep_dims=False,将会变成一个一维向量。如果为ture只有设置的axis变为一维。对于axis的理解与上文相同
比如
t = tf.reduce_mean([[1.0,2,3,4,5],[6,7,8,9,10],[1,1,1,1,1]],axis=0,keep_dims=True)
最后变成rank为2  shape为[1,5]  [[ 2.66666675  3.33333325  4.          4.66666651  5.33333349]]
如果不设置，变为rank为1 变为5维向量[ 2.66666675  3.33333325  4.          4.66666651  5.33333349]