Tensorflow常用接口整理

一、变量相关。tf.get_variable() 和 tf.Variable()是tensorflow中创建变量的两种方式。每调用一次这两个函数，实际上创建的就是一组变量集（节点集）

        1）tf.get_variable()和tf.variable_scope()配合，可以用作变量复用，也可以起到变量区分（作用域分割）

        2）tf.Variable(<variable_name>) 会自动检测命名冲突并自行处理，但tf.get_variable(<variable_name>)则遇到重名的变量创建且变量名没有设置为共享变量时，则会报错。

        3）tf.get_variable():主要用于管理一个图里面的各种op，返回的是一个以scope_name命名的context manager

        4）tf.variable_scope()：一般与tf.name_scope()配合使用，用于管理一个graph中变量的名字，避免变量之间的命名冲突。

二、tensorflow相关的方法

        1）tf.nn.embedding_lookup(tensor, index),查找张量tensor中索引为index的元素。

        2）tf.contrib.rnn.LSTMCell ()创建lstmcell，必传参数为cell_num。创建基本的rnncell

        3）tf.contrib.rnn.DropoutWrapper(), 接受参数为RNNCell。

        4）tf.contrib.rnn.MultiRNNCell() ,接受参数为基本rnncell序列。RNN cell composed sequentially of multiple simple cells

        5）tf.train.AdagradOptimizer(learning_rate), Optimizer that implements the Adagrad algorithm

        6）tf.train.GradientDescentOptimizer(learning_rate)

        7）tf.gradients(ys, xs) 计算梯度

        8）tf.clip_by_global_norm(t_list, clip_norm, use_norm=None, name=None)

        9）tf.train.Saver

        10）tf.sparse_softmax_cross_entropy_with_logits . Returns:
      A `Tensor` of the same shape as `labels` and of the same type as `logits`

      with the softmax cross entropy loss.

        11）tf.transpose

        12）tf.nn.softmax

        13）tf.contrib.rnn.static_rnn 创建一个循环神经网络

        14）tf.nn.conv2d Computes a 2-D convolution given 4-D `input` and `filter` tensors