Tensorflow网络搭建常用函数

tf.ones_like()

t = tf.constant([[1, 2, 3],[3,4,5]])
t = tf.ones_like(t)
###
t = [[1,1,1,],[1,1,1]]
###

给定一个 tensor，将tensor中的元素都设置为1

tf.image.resize_nearest_neighbor

tf.image.resize_nearest_neighbor(
    images,
    size,
    align_corners=False,
    name=None
)

使用最近邻插值将图像大小调整为大小。
参数：
images:张量。 必须是以下类型之一：int8，uint8，int16，uint16，int32，int64，half，float32，float64。 4-D形状[批次，高度，宽度，通道]。
size:两个一维的int32型张量，分别表示新图象的高和宽。
align_corners：一个可选的布尔。 默认为False。 如果为真，则输入和输出张量的4个角像素的中心对齐，保留角像素处的值。 默认为false。
name:操作的名称（可选）
返回：与images具有相同类型的Tensor.

tf.cast()

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

参数
x:需要转换的张量
dtype:目标数据类型
name:操作的名称(可选)

tf.layers.conv2d

conv2d(inputs, filters, kernel_size, 
    strides=(1, 1), 
    padding='valid', 
    data_format='channels_last', 
    dilation_rate=(1, 1),
    activation=None, 
    use_bias=True, 
    kernel_initializer=None, 
    kernel_regularizer=None,
    bias_regularizer=None, 
    activity_regularizer=None, 
    kernel_constraint=None, 
    bias_constraint=None, 
    trainable=True, 
    name=None,
    reuse=None

2D卷积层：
该层创建一个卷积内核，该卷积内核与层输入卷积（实际上是交叉相关）以产生输出张量。如果use_bias为True（并且bias_initializer提供了a ），则创建偏置向量并将其添加到输出。最后，如果 activation不是None，它也会应用于输出。

常用参数
filters:整数，输出空间的维数（即卷积中的滤波器数）。
kernel_size:2个整数的整数或元组/列表，指定2D卷积窗口的高度和宽度。可以是单个整数，以指定所有空间维度的相同值。
strides:2个整数的整数或元组/列表，指定卷积沿高度和宽度的步幅。可以是单个整数，以指定所有空间维度的相同值。指定任何步幅值！= 1与指定任何dilation_rate值都不相容！= 1
padding:一个"valid"或"same"（不区分大小写）。
name:字符串，图层的名称。