TensorFlow学习笔记--（3）张量的常用运算函数

Postlude

于 2023-11-13 00:17:15 发布

阅读量732

点赞数 1

CC 4.0 BY-SA版权

分类专栏： TensorFlow 文章标签： tensorflow 学习笔记

本文链接：https://blog.youkuaiyun.com/Postlude/article/details/134368333

6 篇文章

订阅专栏

本文介绍了如何使用TensorFlow中的tf.GradientTape计算损失函数的偏导数，独热编码在图像分类中的应用，以及tf.one_hot函数的工作原理。还涵盖了张量转换为概率分布的softmax函数和寻找张量中特定维度最大值的索引方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

通过 tf.GradientTape 函数来指定损失函数的变量以及表达式

最后通过 gradient(%损失函数%,%偏导对象%) 来获取求偏导的结果

给出一组特征值来对图像进行分类可以用独热编码

0的概率是第0种 1的概率是第1种 0的概率是第二种

tf.one_hot(%某标签值%,%分类数%)
这里还没太看懂结果的3X3矩阵是怎么来的 如果单纯的是因为有几种类型 就有几个1
那传入的标签值参数就没有意义了

tf.nn.softmax(%张量%)
传入一组张量值 根据每个分量的大小 来输出每种分类的概率值

对axis=0 求每一列的最大值所在的索引号分别是 3 3 1

对axis=1 则是求每一行的