1.tf.GradientTape
with结构记录计算过程,gradinet求出张量的梯度
with tf.GradientTape()as tape:
grad=tape.gradinet(函数,对谁求导)
2.独热编码:1-是,0-非
tf.one_hot(待转换数据,depth=几分类) #将待转换数据,转换为one-hot形式的数据输出
3.tf.nn.softmax()
是n分类的n个输出通过softmax()函数,使符合概率分布
4.assign_sub
赋值操作,更新参数的值并返回
#调用assign_sub前先定义w为可训练
w=tf.Variable(4)
w.assign_sub(1) #自减1
print(w)
5.tf.argmax
返回张量指定维度最大值的索引号(从0开始 )
tf.argmax(张量名,axis=操作轴)