深度学习——Tensorflow_函数

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)