tensorflow常用函數(shù)介紹.docx

《tensorflow常用函數(shù)介紹.docx》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、tf函數(shù)TensorFlow將圖形定義轉(zhuǎn)換成分布式執(zhí)行的操作,以充分利用可用的計算資源(如CPU或GPU。一般你不需要顯式指定使用CPU還是GPU,TensorFlow能自動檢測。如果檢測到GPU,TensorFlow會盡可能地利用找到的第一個GPU來執(zhí)行操作.并行計算能讓代價大的算法計算加速執(zhí)行，TensorFlow也在實現(xiàn)上對復(fù)雜操作進行了有效的改進。大部分核相關(guān)的操作都是設(shè)備相關(guān)的實現(xiàn)，比如GPU。下面是一些重要的操作/核：?1?2?3操作組操作MathsArrayMatrixNeuronalNetwo

2、rkCheckpointingQueuesandsyncronizationsFlowcontrolAdd,Sub,Mul,Div,Exp,Log,Greater,Less,EqualConcat,Slice,Split,Constant,Rank,Shape,ShuffleMatMul,MatrixInverse,MatrixDeterminantSoftMax,Sigmoid,ReLU,Convolution2D,MaxPoolSave,RestoreEnqueue,Dequeue,MutexAcquire,MutexReleas

3、eMerge,Switch,Enter,Leave,NextIterationTensorFlow的算術(shù)操作如下：操作描述tf.add(x,y,name=None)求和tf.sub(x,y,name=None)減法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)求絕對值tf.neg(x,name=None)取負(y=-x).tf.sign(x,name=None)返回符號y=sign(x)=-1ifx<0;0i

4、fx==0;1ifx>0.tf.inv(x,name=None)取反tf.square(x,name=None)計算平方(y=x*x=x^2).tf.round(x,name=None)舍入最接近的整數(shù)#‘a(chǎn)’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)開根號(y=sqrt{x}=x^{1/2}).tf.pow(x,y,name=None)冪次方操作描述#tensor‘x’is[[2,2],[3,3]]#tensor‘y’is[[8,1

5、6],[2,3]]tf.pow(x,y)==>[[256,65536],[9,27]]操作描述tf.exp(x,name=None)計算e的次方tf.log(x,name=None)計算log，一個輸入計算e的ln，兩輸入以第二輸入為底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(x

6、an(x,name=None)三角函數(shù)tantf.atan(x,name=None)三角函數(shù)ctan張量操作TensorTransformations?數(shù)據(jù)類型轉(zhuǎn)換Casting操作描述操作描述tf.string_to_number字符串轉(zhuǎn)為數(shù)字(string_tensor,out_type=None,name=None)tf.to_double(x,name=’ToDouble’)轉(zhuǎn)為64位浮點類型–float64tf.to_float(x,name=’ToFloat’)轉(zhuǎn)為32位浮點類型–float32tf.to_int32

7、(x,name=’ToInt32’)轉(zhuǎn)為32位整型–int32tf.to_int64(x,name=’ToInt64’)轉(zhuǎn)為64位整型–int64tf.cast(x,dtype,name=None)將x或者x.values轉(zhuǎn)換為dtype#tensorais[1.8,2.2],dtype=tf.floattf.cast(a,tf.int32)==>[1,2]#dtype=tf.int32?形狀操作ShapesandShaping操作描述tf.shape(input,name=None)返回數(shù)據(jù)的shape#‘t’is[[[1,1,1

8、],[2,2,2]],[[3,3,3],[4,4,4]]]shape(t)==>[2,2,3]tf.size(input,name=None)返回數(shù)據(jù)的元素數(shù)量#‘t’is[[[1,1,1size(t)=