Tensor flow常用函数非常详细.docx
《Tensor flow常用函数非常详细.docx》由会员分享，可在线阅读，更多相关《Tensor flow常用函数非常详细.docx（21页珍藏版）》请在冰豆网上搜索。
Tensorflow常用函数非常详细
1、tensorflow常用函数
TensorFlow将图形定义转换成分布式执行的操作,以充分利用可用的计算资源（如CPU或GPU。
一般你不需要显式指定使用CPU还是GPU,TensorFlow能自动检测。
如果检测到GPU,TensorFlow会尽可能地利用找到的第一个GPU来执行操作.
并行计算能让代价大的算法计算加速执行，TensorFlow也在实现上对复杂操作进行了有效的改进。
大部分核相关的操作都是设备相关的实现，比如GPU。
下面是一些重要的操作/核：
操作组
操作
Maths
Add,Sub,Mul,Div,Exp,Log,Greater,Less,Equal
Array
Concat,Slice,Split,Constant,Rank,Shape,Shuffle
Matrix
MatMul,MatrixInverse,MatrixDeterminant
NeuronalNetwork
SoftMax,Sigmoid,ReLU,Convolution2D,MaxPool
Checkpointing
Save,Restore
Queuesandsyncronizations
Enqueue,Dequeue,MutexAcquire,MutexRelease
Flowcontrol
Merge,Switch,Enter,Leave,NextIteration
TensorFlow的算术操作如下：
操作
描述
tf.add（x,y,name=None）
求和
tf.sub（x,y,name=None）
减法
tf.mul（x,y,name=None）
乘法
tf.div（x,y,name=None）
除法
tf.mod（x,y,name=None）
取模
tf.abs（x,name=None）
求绝对值
tf.neg（x,name=None）
取负（y=-x）.
tf.sign（x,name=None）
返回符号y=sign（x）=-1ifx<0;0ifx==0;1ifx>0.
tf.inv（x,name=None）
取反
tf.square（x,name=None）
计算平方（y=x*x=x^2）.
tf.round（x,name=None）
舍入最接近的整数
#‘a’is[0.9,2.5,2.3,-4.4]
tf.round（a）==>[1.0,3.0,2.0,-4.0]
tf.sqrt（x,name=None）
开根号（y=\sqrt{x}=x^{1/2}）.
tf.pow（x,y,name=None）
幂次方
#tensor‘x’is[[2,2],[3,3]]
#tensor‘y’is[[8,16],[2,3]]
tf.pow（x,y）==>[[256,65536],[9,27]]
tf.exp（x,name=None）
计算e的次方
tf.log（x,name=None）
计算log，一个输入计算e的ln，两输入以第二输入为底
tf.maximum（x,y,name=None）
返回最大值（x>y?
x:
y）
tf.minimum（x,y,name=None）
返回最小值（xx:
y）
tf.cos（x,name=None）
三角函数cosine
tf.sin（x,name=None）
三角函数sine
tf.tan（x,name=None）
三角函数tan
tf.atan（x,name=None）
三角函数ctan
张量操作TensorTransformations
数据类型转换Casting
操作
描述
tf.string_to_number
（string_tensor,out_type=None,name=None）
字符串转为数字
tf.to_double（x,name=’ToDouble’）
转为64位浮点类型–float64
tf.to_float（x,name=’ToFloat’）
转为32位浮点类型–float32
tf.to_int32（x,name=’ToInt32’）
转为32位整型–int32
tf.to_int64（x,name=’ToInt64’）
转为64位整型–int64
tf.cast（x,dtype,name=None）
将x或者x.values转换为dtype
#tensorais[1.8,2.2],dtype=tf.float
tf.cast（a,tf.int32）==>[1,2]#dtype=tf.int32
形状操作ShapesandShaping
操作
描述
tf.shape（input,name=None）
返回数据的shape
#‘t’is[[[1,1,1],[2,2,2]],[[3,3,3],[4,4,4]]]
shape（t）==>[2,2,3]
tf.size（input,name=None）
返回数据的元素数量
#‘t’is[[[1,1,1],[2,2,2]],[[3,3,3],[4,4,4]]]]
size（t）==>12
tf.rank（input,name=None）
返回tensor的rank
注意：
此rank不同于矩阵的rank，
tensor的rank表示一个tensor需要的索引数目来唯一表示任何一个元素
也就是通常所说的“order”,“degree”或”ndims”
#’t’is[[[1,1,1],[2,2,2]],[[3,3,3],[4,4,4]]]
#shapeoftensor‘t’is[2,2,3]
rank（t）==>3
tf.reshape（tensor,shape,name=None）
改变tensor的形状
#tensor‘t’is[1,2,3,4,5,6,7,8,9]
#tensor‘t’hasshape[9]
reshape（t,[3,3]）==>
[[1,2,3],
[4,5,6],
[7,8,9]]
#如果shape有元素[-1],表示在该维度打平至一维
#-1将自动推导得为9:
reshape（t,[2,-1]）==>
[[1,1,1,2,2,2,3,3,3],
[4,4,4,5,5,5,6,6,6]]
tf.expand_dims（input,dim,name=None）
插入维度1进入一个tensor中
#该操作要求-1-input.dims（）
#‘t’isatensorofshape[2]
shape（expand_dims（t,0））==>[1,2]
shape（expand_dims（t,1））==>[2,1]
shape（expand_dims（t,-1））==>[2,1]<=dim<=input.dims（）
切片与合并（SlicingandJoining）
操作
描述
tf.slice（input_,begin,size,name=None）
对tensor进行切片操作
其中size[i]=input.dim_size（i）-begin[i]
该操作要求0<=begin[i]<=begin[i]+size[i]<=Diforiin[0,n]
#’input’is
#[[[1,1,1],[2,2,2]],[[3,3,3],[4,4,4]],[[5,5,5],[6,6,6]]]
tf.slice（input,[1,0,0],[1,1,3]）==>[[[3,3,3]]]
tf.slice（input,[1,0,0],[1,2,3]）==>
[[[3,3,3],
[4,4,4]]]
tf.slice（input,[1,0,0],[2,1,3]）==>
[[[3,3,3]],
[[5,5,5]]]
tf.split（split_dim,num_split,value,name=’split’）
沿着某一维度将tensor分离为num_splittensors
#‘value’isatensorwithshape[5,30]
#Split‘value’into3tensorsalongdimension1
split0,split1,split2=tf.split（1,3,value）
tf.shape（split0）==>[5,10]
tf.concat（concat_dim,values,name=’concat’）
沿着某一维度连结tensor
t1=[[1,2,3],[4,5,6]]
t2=[[7,8,9],[10,11,12]]
tf.concat（0,[t1,t2]）==>[[1,2,3],[4,5,6],[7,8,9],[10,11,12]]
tf.concat（1,[t1,t2]）==>[[1,2,3,7,8,9],[4,5,6,10,11,12]]
如果想沿着tensor一新轴连结打包,那么可以：
tf.concat（axis,[tf.expand_dims（t,axis）fortintensors]）
等同于tf.pack（tensors,axis=axis）
tf.pack（values,axis=0,name=’pack’）
将一系列rank-R的tensor打包为一个rank-（R+1）的tensor
#‘x’is[1,4],‘y’is[2,5],‘z’is[3,6]
pack（[x,y,z]）=>[[1,4],[2,5],[3,6]]
#沿着第一维pack
pack（[x,y,z],axis=1）=>[[1,2,3],[4,5,6]]
等价于tf.pack（[x,y,z]）=np.asarray（[x,y,z]）
tf.reverse（tensor,dims,name=None）
沿着某维度进行序列反转
其中dim为列表，元素为bool型，size等于rank（tensor）
#tensor‘t’is
[[[[0,1,2,3],
#[4,5,6,7],
#[8,9,10,11]],
#[[12,13,14,15],
#[16,17,18,19],
#[20,21,22,23]]]]
#tensor‘t’shapeis[1,2,3,4]
#‘dims’is[False,False,False,True]
reverse（t,di
升级会员 