tensorflow常用函数

1.Variable
主要在于一些可训练变量（trainable variables），比如模型的权重（weights）或者偏执值（bias）
1)声明时，必须提供初始值
2)在真实训练时，其值是会改变的，自然事先需要指定初始值

Weights = tf.Variable(tf.random_normal([in_size,out_size]),name='W')
biases = tf.Variable(tf.zeros([1,out_size]) + 0.1,name='b')

2.placeholder
中文意思是占位符，在tensorflow中类似于函数参数，用于得到传递进来的真实的训练样本
1)不必指定初始值，可在运行时，通过 Session.run 的函数的 feed_dict 参数指定
2)仅仅作为一种占位符

xs = tf.placeholder(tf.float32,[None,784])

3.cast

cast(x, dtype, name=None) 
将x的数据格式转化成dtype.例如，原来x的数据格式是bool， 
那么将其转化成float以后，就能够将其转化成0和1的序列。反之也可以

4.truncated_normal
函数产生正太分布，均值和标准差自己设定
shape表示生成张量的维度，
mean是均值，stddev是标准差

init = tf.truncated_normal(shape, mean, stddev)
xx = tf.Variable(init)

5.constant
创建一个常量tensor，按照给出value来赋值，可以用shape来指定其形状。value可以是一个数，也可以是一个list。

tf.constant(value,dtype=None,shape=None,name=’Const’) 

6.reshpae
函数的作用是将tensor变换为参数shape的形式
其中shape为一个列表形式，特殊的一点是列表中可以存在-1。-1代表的含义是不用我们自己指定这一维的大小，函数会自动计算，但列表中只能存在一个-1

//根据shape如何变换矩阵,其实简单的想就是，
reshape（t, shape） => reshape(t, [-1]) => reshape(t, shape)
//首先将矩阵t变为一维矩阵，然后再对矩阵的形式更改就可以了

7.reduction_indices参数
参考：https://www.cnblogs.com/likethanlove/p/6547405.html