tensorflow（1）

**

如何创建一个张量

**

• 创建全为0的张量 tf.zeros(纬度)

• 创建全为1的张量 tf.ones(纬度）

• 创建全为指定值的张量 tf.fill(纬度)

• 维度：

• 一维 直接写个数

• 二维 用[行，列]

• 多维 用[n,m,j,k……]

• 生成正态分布的随机数，默认均值为0，标准差为1
  tf.random.normal(纬度,mean=均值,stddev=标准差)

• 生成截断式正态分布的随机数
  tf.random.truncated_normal(纬度,mean=均值,stddev=标准差) 生成的数据在（均值±2mean）

• 均匀分布随机数

• tf.random.uniform(纬度，minval=最小值，maxval=最大值)

常用函数

• tf.cast(张量名，dtype=数据类型)
  强制将tensor转换为其他数据类型

• tf.reduce_min(张量名)
  计算张量纬度上元素的最小值

• tf.reduce_max(张量名)
  计算张量纬度上元素的最大值

• tf.reduce_mean(张量名，axis=操作轴)
  计算张量沿指定纬度的平均值

• tf.reduce_sum(张量名，axis=操作轴)
  计算张量沿指定纬度的和
  axis=0 纵向 列
  axis=1 横向 行

• tf.Variable()
  将变量标记为“可训练”，被标记的变量会在反向传播中记录梯度信息，常用于训练参数。
  
  
  张量内元素作四则运算和平方、次方、开方

• tf.matmul(矩阵1，矩阵2)
  两个矩阵的相乘

• tf.data.Dataset.from_tensor_slices(输入特征，标签)
  -切分传入张量的第一纬度，生成输入特征标签对

• with tf.GradientTape() as tape:
  w=tf.Variable(tf.constant(3.0))
  loss=tf.pow(w,2)
  grad=tape.gradient(函数loss，对谁求导w)

• enumerate
  可遍历每个元素（如列表、元组或字符串）组合为：索引 元素 常在for循环中使用
  enumerate（列表名）
  例：
  seq = [‘one’,‘two’,‘three’]
  for I,element in enumerate(seq):
  print(I,element)
  运行结果：
  0 one
  1 two
  2 three

• tf.one_hot
  独热码 1 是 0 非

• tf.nn.softmax(yi)
  使用softmax函数实现概率分布
  

• w.assign_sub (数值)更新参数值并返回
  调用assign_sub前，先用tf.Variable定义变量w为可训练

• tf.argmax(张量名,axis=操作轴)
  返回张量沿指定纬度最大值的索引

• tf.where(条件语句，真返回A，假返回B)
  条件语句真返回A,条件语句假返回B，张量中的元素一一做条件语句

• np.random.Randomstate.rand(纬度)
  纬度为空，返回一个随机标量
  np.random.Randomstate.rand(seed=1)
  seed=常数每次生成的随机数相同**？**

• np.vstack()将两个数组按垂直方向叠加

• np.mgrid[起始值:结束值:步长,起始值:结束值:步长，……]
  [起始值，结束值）

• x.ravel() 将x变为一维数组

• np.c_[数组1，数组2，……]将返回的间隔数值点配对
  -