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

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

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

square(
    x,
    name=None
)

tf.reduce_mean

作用

计算张量某一维度上的平均值

说明

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".