深度学习tensorflow函数学习记录（持续更新）

（1)tf.zeros(shape, dtype=tf.float32, name=None)

创建一个所有参数都为0的tensor对象，返回数据类型为dtype，维度为shape的tensor,所有参数均为0

（2）tf.zeros_like(tensor,dtype=None,name=None)

给定一个tensor,该方法会返回一个类似该tensor的dtype与维度的对象

（3）tf.ones(shape,dtypr=tf.float32,name=None)

创建一个所有参数均为1的tensor对象，返回数据类型为dtype,维度为Shape的tensor，所有参数均为1

（4）tf.onse_like(tensor,dtypr=None,name=None)

给定一个tensor,该方法会返回一个类似该tensor的dtype与维度的对象

  (5)tf.random_uniform([a,b],minval=low,maxval=high,dtype=tf.float32)

random_uniform函数返回一个a*b的矩阵，其元素组成是均匀分布的，介于low与high之间。

 (6)tf.matmul(a,b,transpose_a=False,transpose_b=False,adjoint_a=False,adjoint_b=False,a_is_sparse=False,b_is_sparse=False,name=None)

matmul主要完成ab矩阵的乘法，后面的参数包括矩阵的转置等等操作

(7)reduce_mean(input_tensor,axis=None,keep_dims=False,name=None,reduction_indices=None)

reduce_mean函数用于计算张量tensor沿着指定数轴上的平均值，主要作用是用作降维或计算tensor的平均值

axis表示指定的轴

keep_dims表示是否进行降维

(8)reduce_sum(input_tensor,axis=None,keep_dims=False,name=None,reduction_indices=None)

reduce_sum函数用于计算张量tensor沿着指定数轴上的和，主要用作降维或计算tensor指定数轴的和

(8)tf.assign(A,new_number)

assign函数主要是将A的值更新为new_number

(9)tf.argmax(tensor,axis)

argmax函数用于寻找指定tensor中某维度上的最大值，返回其索引。

axis=0时，返回tensor每一列中最大值的索引

axis=1时，返回tensor每一行中最大值的索引

axis=2,3,4,5...对应多维tensor的某一特定轴，目前入门还没使用过，遇到了再说。

(10)tf.truncated_normal(shape,mean,stddev)

truncated_normal会返回一个张量为shape的张量，该张量的数据是一组正太分布组成，均值为mean，标准差为stddev

(11) tf.multiply(x, y, name=None)

该函数完成两个相同元素级的元素相乘，例如float32,float64,int32等

(12)tf.matmul(a, b, transpose_a=False, transpose_b=False, adjoint_a=False, adjoint_b=False, a_is_sparse=False, b_is_sparse=False, name=None) 

该函数完成矩阵ab之间的相乘；

transpose参数是选择矩阵相乘前是否将参数a或b进行转置；

adjoint参数是选择矩阵相乘前是否将参数a或b进行共轭和转置；

sparse参数是选择参数a或b是否会被处理为稀疏矩阵