TensorFlow 的常用函数
公众号:尤而小屋
作者:Peter
编辑:Peter
大家好,我是 Peter~
本文记录的是 TensorFlow 中常用的函数
tf.cast:强制数据类型转换
tf.reduct_mean/sum:求和或均值
tf.reduce_max/min:求最值
tf.Variable:标记变量
四则运算相关函数
tf.data.Dataset.from_tensor_slices:特征和标签配对
理解 axis
在一个二维张量或者数组中,通过改变 axis=0 或 1 来控制执行的维度
0:表示经度,跨行,down
1:表示纬度,跨列,across
如果不指定的话,则全员参与计算
tf.cast
强制 tensor 转换为该数据类型
In [2]:
Out[2]:
In [3]:
Out[3]:
tf.reduce_max/min
计算张量维度上的最值
In [4]:
In [5]:
tf.reduct_mean/sum
计算张量沿着指定维度的平均值或者和
In [6]:
Out[6]:
In [7]:
Out[7]:
In [8]:
Out[8]:
In [9]:
Out[9]:
In [10]:
Out[10]:
In [11]:
Out[11]:
In [12]:
Out[12]:
tf.Variable
tf.Variable()将函数标记为可训练,被标记的变量会在反向传播中记录梯度信息。
神经网络中常用该函数来标记待训练的参数。
In [13]:
Out[13]:
上面变量 w 的解释:
先生成正态分布的随机数
再将随机数标记为可训练,这样在神经网络的反向传播中就可以通过梯度下降更新参数 w 了
数学运算
四则运算:tf.add(t1,t2)、tf.subtract、tf.multiply、tf.divide
平方、次方与开方:tf.square、tf.pow(t,n 次方)、tf.sqrt
矩阵乘:tf.matmul
注意:只有维度相同的两个张量才能进行四则运算
tf.data.Dataset.from_tensor_slices
切分传入张量的第一维度,生成输入特征和标签对,构建数据集:特征和标签配对
Numpy 和 Tensor 格式都可以使用该语句读入数据
In [14]:
In [15]:
视频号开通
视频号主要是分享相关文章的源码,欢迎关注
版权声明: 本文为 InfoQ 作者【Peter】的原创文章。
原文链接:【http://xie.infoq.cn/article/4c267818cdd4cc1633b8fc991】。文章转载请联系作者。
评论