Chybeta

Tensorflow学习:常用API

记录学习Tensorflow的一些东西。本文同步发表于电子书The Path to Machine Learning。将会持续保持更新。

常用Math操作

tf.random_normal()

作用

输出满足正态分布的随机值

说明

1
2
3
4
5
6
7
8
random_normal(
shape,
mean=0.0,
stddev=1.0,
dtype=tf.float32,
seed=None,
name=None
)
  • shape:一维整数张量/python数组,表示输出的张量的形状。
  • mean:类型为dtype的零维张量/python值。平均值。
  • stddev:类型为dtype的零维张量/python值。标准差。
  • dtype:输出数据的类型。
  • seed:用于作为生成随机数的种子。
  • name:为操作起个名字(可选)

tf.zeros()

作用

创建一个所有元素都为零的张量。

说明

1
2
3
4
5
zeros(
shape,
dtype=tf.float32,
name=None
)
  • shape: 一维整数张量/python数组
  • name: 为操作起个名字(可选)
  • dtype: 输出数据的类型

tf.global_variables_initializer()

作用

返回一个初始化全局变量的操作(op)
是variable_initializer(global_variables())的缩写。

tf.square

作用

计算平方

说明

1
2
3
4
square(
x,
name=None
)

tf.reduce_mean

作用

计算张量某一维度上的平均值

说明

1
2
3
4
5
6
7
reduce_mean(
input_tensor,
axis=None,
keep_dims=False,
name=None,
reduction_indices=None
)
  • input_tensor:输入一个张量
  • axis:指定某一个维度。比如test = [[[1.0,2],[3,4]],[[5,6],[6,7]]],则可选值为0,1,2
  • keep_dims:输出是否保持原来的维度。
  • name:给操作起个名字
  • reduction_indices:axis的旧名字,不赞成用,可忽略。

常用Optimizer类

tf.train.GradientDescentOptimizer()

1
2
3
learning_rate: A Tensor or a floating point value. The learning rate to use.
use_locking: If True use locks for update operations.
name: Optional name prefix for the operations created when applying gradients. Defaults to "GradientDescent".
点击赞赏二维码,您的支持将鼓励我继续创作!
chybeta WeChat Pay

微信打赏

chybeta Alipay

支付宝打赏

本文标题:Tensorflow学习:常用API

文章作者:chybeta

发布时间:2017年07月06日 - 16:07

最后更新:2017年07月06日 - 17:07

原始链接:http://chybeta.github.io/2017/07/06/Tensorflow学习:常用API/

许可协议: 署名-非商业性使用-禁止演绎 4.0 国际 转载请保留原文链接及作者。