tf.argmax(actv,1)

tf.argmax(input, axis=None, name=None, dimension=None)
此函数是对矩阵按行或列计算最大值
参数：

• input：输入Tensor
• axis：0表示按列，1表示按行
• name：名称
• dimension：和axis功能一样，默认axis取值优先。新加的字段
  返回：Tensor 一般是行或列的最大值下标向量

import tensorflow as tf    
a=tf.get_variable(name='a',  
                  shape=[3,4],  
                  dtype=tf.float32,  
                  initializer=tf.random_uniform_initializer(minval=-1,maxval=1))  
b=tf.argmax(input=a,axis=0)  
c=tf.argmax(input=a,dimension=1)   #此处用dimesion或用axis是一样的  
sess = tf.InteractiveSession()  
sess.run(tf.initialize_all_variables())  
print(sess.run(a))  
#[[ 0.04261756 -0.34297419 -0.87816691 -0.15430689]  
# [ 0.18663144  0.86972666 -0.06103253  0.38307118]  
# [ 0.84588599 -0.45432305 -0.39736366  0.38526249]]  
print(sess.run(b))  
#[2 1 1 2]  
print(sess.run(c))  
#[0 1 0]  

tf.cast(x, dtype, name=None)

将x的数据格式转化成dtype
例如，原来x的数据格式是bool， 那么将其转化成float以后，就能够将其转化成0和1的序列。反之也可以。

a = tf.Variable([1,0,0,1,1])
b = tf.cast(a,dtype=tf.bool)
sess = tf.Session()
sess.run(tf.initialize_all_variables())
print(sess.run(b))
#[ True False False  True  True]
c = tf.cast(b,dtype=tf.float32)
print(sess.run(c))
#[1,0,0,1,1]
sess.close()

tf.equal

tf.equal(A, B)是对比这两个矩阵或者向量的相等的元素，如果是相等的那就返回True，反正返回False，返回的值的矩阵维度和A是一样的

import tensorflow as tf  
import numpy as np  
A = [[1,3,4,5,6]]  
B = [[1,3,4,3,2]]  
with tf.Session() as sess:  
    print(sess.run(tf.equal(A, B)))  

tf.reduce_mean()

tf.reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None)

import tensorflow as tf
x = tf.constant([[1,2,3],[4,5,6]],dtype=tf.float32)
a = tf.reduce_mean(x)  
# 3.5
b = tf.reduce_mean(x, 0) 
# [2.5, 3.5, 4.5]
c = tf.reduce_mean(x, 1) 
# [2.,  5.]
sess = tf.Session()
print(sess.run(a))
print(sess.run(b))
print(sess.run(c))