学习Tensorflow遇到的一些不懂函数的学习

最新推荐文章于 2022-03-13 00:06:33 发布

SDUTyangkun

最新推荐文章于 2022-03-13 00:06:33 发布

阅读量522

点赞数

CC 4.0 BY-SA版权

分类专栏： tensorflow

本文链接：https://blog.youkuaiyun.com/SDUTyangkun/article/details/78208929

tensorflow 专栏收录该内容

8 篇文章

订阅专栏

本文介绍了TensorFlow中几个常用函数的使用方法，包括tf.argmax()的索引返回规则，tf.random_normal、tf.truncated_normal及tf.random_uniform生成随机数的方式，并展示了如何利用这些函数生成不同类型的随机张量。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.tf.argmax()

a = tf.constant([[1,5,3],
                            [4,2,6]])
sess = tf.Session()
print sess.run(tf.argmax(a, 0))#[1 0 1]
print sess.run(tf.argmax(a, 1))#[1 2]
#argmax()函数返回最大值的索引，0返回每一列最大值的索引，1返回每一行最大值的索引

2.tf.random_normal | tf.truncated_normal | tf.random_uniform

tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None)
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
tf.random_uniform(shape,minval=0,maxval=None,dtype=tf.float32,seed=None,name=None)

这几个都是用于生成随机数tensor的。尺寸是shape
random_normal: 正太分布随机数，均值mean,标准差stddev
truncated_normal:截断正态分布随机数，均值mean,标准差stddev,不过只保留[mean-2*stddev,mean+2*stddev]范围内的随机数
random_uniform:均匀分布随机数，范围为[minval,maxval]

import tensorflow as tf

with tf.Session() as sess:
    print "tf.random_normal([3,3,3], mean = 0.0, stddev = 2.0)----------------"
    print sess.run(tf.random_normal([3,3,3], mean = 0.0, stddev = 2.0))
    print "tf.random_uniform([3,3,3], minval = 0.0, maxval = 10)---------------"
    print sess.run(tf.random_uniform([3,3,3], minval = 0.0, maxval = 10))
    print "tf.truncated([2,2], mean = 5.0, stddev = 1.0)-------------------"
    print sess.run(tf.truncated_normal([2,2], mean = 5.0, stddev = 1.0))

tf.random_normal([3,3,3], mean = 0.0, stddev = 2.0)----------------
[[[-1.52943552 -0.66951263 -0.92204839]
  [ 0.98132163  0.30230746 -0.76994801]
  [-2.52370524  1.63953972 -0.90987027]]

 [[-2.49060225  2.71975255  1.97556829]
  [ 1.31254244 -4.19041204 -2.62262273]
  [ 1.17605031 -4.44652367  0.31839186]]

 [[-1.66576338  1.9761579  -2.44654465]
  [ 2.1690588   1.38606691  0.6156947 ]
  [ 0.07768013  2.35041523  0.11098886]]]
tf.random_uniform([3,3,3], minval = 0.0, maxval = 10)---------------
[[[ 5.46428204  4.6617341   4.74864483]
  [ 3.88854265  4.4059515   8.61946297]
  [ 8.42585945  8.20820904  6.00255251]]

 [[ 7.05990314  7.84427404  8.17808056]
  [ 9.67488766  4.86453056  4.11894894]
  [ 6.64579391  8.30910301  4.74615002]]

 [[ 9.56317806  7.91035557  3.3411324 ]
  [ 4.64870071  8.23911667  9.47863197]
  [ 9.80347633  1.5449512   9.06284809]]]
tf.truncated([2,2], mean = 5.0, stddev = 1.0)-------------------
[[ 5.74013472  5.93944788]
 [ 5.29522514  4.77231503]]