Tensorflow函数大全

操作函数

函数名	说明	例子

正则化

函数名	说明	例子
tf.contrib.layers.l1_regularizer	l1正则化函数 通过增大l1函数的取值来减小权重的影响

一 数据处理

v1 = [1.0,2.0,3.0,4.0] 　　v2 =[4.0,3.0,2.0,1.0］

函数名	说明	例子
tf.clip_by_value	限制取值	clip_by_value(x,2.5,4.5) 限制 x 的值在 2.5~4.5之间 大于4.5的取 4.5 小于 3.5 的取2.5
tf.greater()	获取两个变量中最大的一个 自身会做迭代
tf.greater(v1,v2) = [Flase,Flase,True,True]	5 小于 3.5 的取2.5
tf.reduce_max	求张量的最大值	tf.reduce_max(input_tensor, reduction_indices=None, keep_dims=False, name=None)
tf.reduce_mean	求张量的平均值	tf.reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None)
tf.reduce_sum()	求张量所有元素的和	tf.reduce_sum(input_tensor,axis,keep_dims,name,reduction_indices)

二 矩阵函数

函数名	说明	例子
tf.matmul	矩阵的乘法	见例子(2-1)

\text{令} \vec v_1=\begin{bmatrix}1 & 2  \\1 & 3  \end{bmatrix}
~~~\vec v_2  = \begin{bmatrix} 1 & 1\\ 1 & 2 \end{bmatrix}

\text{例 2-1: matmul} (\vec v_1,\vec v_2) =\begin{bmatrix} 3 & 5 \\ 4 & 7 \end{bmatrix}  

随机函数

函数名	说明	例子
tf.rand_normal	正态分布	tf.rand_normal([2,3],stddev=1,seed=1) 生成一个方差为1的2x3矩阵
tf.truncated_normal	正态分布 如果随机值平均超过两个标准差会重新分布	tf.truncated_normal(shape,mean,stddev,dtype,seed,name)
tf.random_uniform	均匀分布	tf.random_uniform(shape,minval,maxval,dtype,seed,name)
tf.random_gamma	Gamma分布	tf.random_gamma(shape,alpha,beta,dtype,seed,name)
tf.zeros	产生全为0的数组	tf.zeros(shape,dtype,name)
tf.ones	产生全为1的数组	tf.ones(shape,dtype,name)
tf.fill	产生一个全为给定值的数组	tf.fill(shape,value)
tf.constant	产生一个常量	tf.constant([1,2,3])

操作函数

函数名	说明	例子
tf.Graph()	生成一个计算图
tf.Session()	产生一个会话	sess.tf.Session()
tf.get_variable	检测已经存在的变量是否设置为共享变量，如果已经存在的变量没有设置为共享变量
tf.variable_scope	它的主要作用是，在一个作用域 scope 内共享一些变量
tf.Variable()	创建一个节点(也就是一个变量)
tf.initialize_all_variables()	初始化所有节点
tf.placeholder()	使用的时候和前面的variable不同的是在session运行阶段，需要给placeholder提供数据，利用feed_dict的字典结构给placeholdr变量“喂数据” #把10赋给a，30赋给b	a=tf.placeholder(tf.float32)　　　b=tf.placeholder(tf.float32) 　　c=tf.add(a,b)　sess.run(c,feed_dict={a:10,b:30})