TensorFlow相关函数

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]