1、b = tf.square(a)
平方运算,计算b = a^2;
2、矩阵乘法
tf.matmul()将矩阵a乘以矩阵b,生成a * b。
3、查看数据类型
type(a) #返回数据类型
dtype(a) #返回a的元素的数据类型,例如矩阵的元素
ndim(a) #返回a的维数
len(a) #返回矩阵的行数
a.shape[0] #返回矩阵的行数
a.shape[1] #返回矩阵的列数
4、ndarray与matrix的区别?
ndarray是任意维的,而matrix只能是2维
6、python库中array和matrix的区别:
matrix是array的分支,matrix和array在很多时候都是通用的,你用哪一个都一样。但这时候,官方建议大家如果两个可以通用,那就选择array,因为array更灵活,速度更快,很多人把二维的array也翻译成矩阵。
但是matrix的优势就是相对简单的运算符号,比如两个矩阵相乘,就是用符号*,但是array相乘不能这么用,得用方法.dot()
array的优势就是不仅仅表示二维,还能表示3、4、5...维,而且在大部分Python程序里,array也是更常用的。
7、TensorBoard是什么?
Tensorflow使用TensorBoard来计算图形的图形图像,这使得理解、调试和优化复杂的神经网络程序变得很方便。TensorBoard也可以提供有关网络执行的量化指标。它读取Tensorflow事件文件,其中包含运行Tensorflow会话期间生成的摘要数据。
8、python中的元组
a=(1,2,3)
括号:() 表示元组,python中元组不允许进行修改。
9、python中的数据类型简单介绍:
可以分为三种()、[]、{},分别为元组、列表和字典。
10、列表的操作:
total = [] #定义空列表
11、tf.arg_max函数
该函数用于求极大值的下标
#2021.10.14 HIT ATCI LZH
#arg_max 函数
import tensorflow as tf
import numpy as np
from tensorflow.python.ops.gen_nn_ops import softmax, softmax_cross_entropy_with_logits
a = np.array([[0.1, 4.2, -2.2, 1.1],[0.5, -2, 4.1, 3.3]])
softmax_a = tf.nn.softmax(a)
a_argmax = tf.arg_max(softmax_a,1) #第二个参数是指返回哪一维的最大值
print('a = ', a)
with tf.Session() as sess:
print('softmax(a) =', sess.run(softmax_a))
print('a_argmax =',sess.run(a_argmax))
返回结果:
a = [[ 0.1 4.2 -2.2 1.1]
[ 0.5 -2. 4.1 3.3]]
softmax(a) = [[0.01558632 0.940483 0.00156267 0.04236801]
[0.01847576 0.00151658 0.67618027 0.30382738]]
a_argmax = [1 2]