tensorflow常用函数

1.reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None)

功能：求平均值

参数：

input_tensor：输入

reduction_indices:指定维度

2.clip_by_value()

功能：将一个张量中的数值限制在一个范围内

例：

v = tf.constant([1.0, 2.0, 3.0], [4.0, 5.0, 6.0])

print(tf.clip_by_value(v, 2.5, 4.5).eval())

#输出：[[2.5, 2,5, 3][4, 4.5, 4.5]]

3.tf.nn.softmax_cross_entropy_with_logits(y, y_)

功能:使用softmax回归之后的交叉熵损失

参数：

第一个参数是不包括softmax层的前向传播结果

第二个参数是正确结果

4.where()

功能：选择数据。有三个参数，第一个参数为选择依据，当选择条件为True时，选择第二个参数的值，当条件为False时，选择第三个参数的值。

5.greater()

功能：输入两个张量，比较两个张量中每一个元素大小，返回True或者False

6.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

功能：生成制定shape的随机数，正态分布随机数

参数：

mean：均值

stddev:标准差

dtype:数据类型

seed:随机数种子

7.tf.contrib.layers.l1_regularizer()

功能：对给定参数进行l1正则化

例子：

weights = tf.constant([[1.0, -2.0], [-3.0, 4.0]])
with tf.Session() as sess:
    print(sess.run(tf.contrib.layers.l1_regularizer(.5)(weights)))

输出为(|1| + |-2| + |-3| + |4|) * 0.5 = 5

8.tf.truncated_normal(shape, mean=0.0, stddev=1.0)

功能：生成制定shape的随机数，截断正态分布随机数，均值mean,标准差stddev

9.tf.assign(a, new_a)

功能：更改数值a为new_a

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

功能:计算input中最大值的下标

参数：

input：输入Tensor

axis：0表示按列，1表示按行

name：名称

dimension：和axis功能一样，默认axis取值优先

11.tf.cast(x, dtype, name=None)

功能：把数据x进行格式转换，转换成dtype类型