疑问点
YEGE学AI算法
From Zero To Hero!
展开
-
疑问点4
文章目录tf.reduce_sum()tf.nn.top_k() tf.reduce_sum() reduce_sum() 用于计算张量tensor沿着某一维度的和,可以在求和后降维。 tf.reduce_sum( input_tensor, axis=None, keepdims=None, name=None, reduction_indices=None, keep_dims=None) input_tensor:待求和的tensor; axis:指定的维,如果不指定,则计算所有元素的总和; keep原创 2020-10-10 08:53:40 · 129 阅读 · 0 评论 -
疑问点3
tf.placeholder函数说明 函数形式: tf.placeholder( dtype, shape=None, name=None ) 参数: dtype:数据类型。常用的是tf.float32,tf.float64等数值类型 shape:数据形状。默认是None,就是一维值,也可以是多维(比如[2,3], [None, 3]表示列是3,行不定) name:名称 为什么要用placeholder? Tensorflow的设计理念称之为计算流图,在编写程序时,首先构筑整个系统原创 2020-09-21 16:26:52 · 152 阅读 · 0 评论 -
疑问汇总2
tf.get_variable()函数 tf.get_variable( name, shape=None, dtype=None, initializer=None, regularizer=None, trainable=None, collections=None, caching_device=None, partitioner=None, validate_shape=True, use_resource=No原创 2020-09-21 16:27:36 · 190 阅读 · 0 评论 -
疑问点1
1. tf.parse_single_example()函数 tf.parse_single_example( serialized, features, name=None, example_names=None ) 定义于:tensorflow/python/ops/parsing_ops.py。 解析一个Example原型。 类似于parse_example,除了: 对于稠密型Tensor,返回的Tensor与parse_example的输出相同。除了没有batch的维度,输出的形状与dense_sh原创 2020-09-21 16:28:13 · 340 阅读 · 0 评论