Fwuyi的博客

数组转换成tensorflow的dataset，因为只有dataset才能被model.fit函数训练。进行切分，生成该tensor的切片数据集dataset。被在第0维切分成了5个不同tf.Tensor。对传入的tensor在第一个。ndarray类型的。将python列表和。...

可以通过指定axis来删除特定维度1的维度如values为shape([1,2,1,3,1,1])，经历tf.squeeze(values,[0])，shape变成([2,1,3,1,1])压缩这个张量如values为shape([1,2,1,3,1,1])，经历tf.squeeze(values)，shape变成([2,3])

算‘myself_loss’,x2和trainY2算‘myself_loss’,x3和trainY3算‘myself_loss’，而模型的输入是。如果有多个loss，那么loss_weights对应每个loss的权重，最后输出loss的和。loss损失函数是编译模型model.compile时所需的参数之一，可以用损失函数名或者。Keras会为Model的每一个输出out构建一个loss，这些loss之间无法交互。同时，Model中每一个outut都必须在fit()有对应的y_ture。..........

对evalnet的参数更新是通过MSE+GD来更新的，而MSE的计算将用到targetnet对下一状态的估值，通常的做法是对evalnet设置一个placeholder，也即引入一个输入，用这个placeholder计算loss。的特点是，只需要通过Tensor变量(可以看作是自己给出的输入数据)构建Graph，和相应的优化目标loss（也可以看作Graph的一部分），当调用优化器去minimizeloss时，优化器会根据loss中所涉及的变量，自动进行BP，对所有的相关变量进行参数更新。...

在训练过程中增加了hinge loss。labels和 logits具有相同的shape。

1 如何看shape：看括号从[[[[可知是四维向量，第一个 [ 不看，第二个[ 括号的个数为1，第三个[ 括号的个数为2，第四个[ 括号的个数为3，括号里有四个数。故shape为[1,2,3,4]。2如何看axis：看shape，看括号 拓展维度: tf.expand_dims()_GungnirsPledge的博客-优快云博客_tf 扩展维度...

这个函数根据axis在原本的tensor的某个维度上增加1维。例1： tf.shape(tf.expand_dims(t, 0))，在axis=0的括号处首尾对应加[ ]tf.shape(tf.expand_dims(t, 1))，在axis=1的括号处首尾对应加[ ] tf.shape(tf.expand_dims(t, 2))，在axis=2的括号处首尾对应加[ ] ，即在axis = -1 上加维度,那么就是每个元素加括号拓展维度: tf.expand_dims()_Gu

tf.compat.v1.nn.dynamic_rnn ：已弃用tf.keras.layers.RNN：更新

可能已经弃用，现在用的是 tf.compat.v1.nn.rnn_cell.LSTMCell tf.compat.v1.nn.rnn_cell.LSTMCell num_units,LSTM单元数

1 placeholder是占位符，相当于定义了一个变量，提前分配了需要的内存。但只有启动一个session，程序才会真正的运行。建立session后，通过feed_dict()函数向变量赋值。2 定义 dtype数据类型、shape数据形状、name名称3 实例...

device_name:要在上下文中使用的设备名称。指定使用设备。

执行三次：会不断产生新的张量，加上tf.reset_default_graph()，在每次运行时会清空变量。 执行三次：不会产生新的张量。

全连接层fc ● inputs:输入● units: 输出维数● activation: 使用什么激活函数（神经网络的非线性层），● use_bias: 该层是否使用偏差（默认使用True）● kernel_initializer:权重矩阵的初始化函数。 如果为None（默认值），则使用tf.get_variable使用的默认初始化程序初始化权重。● bias_initializer:bias的初始化函数。● kernel_regularizer：权重矩阵的正则函数。● bias_reg

tf.sigmoid 别名 tf.nn.sigmoid

实例1

实例1：

TensorFlow中的变量一般就是模型的参数。当模型复杂的时候共享变量会无比复杂。官网给了一个case，当创建两层卷积的过滤器时，每输入一次图片就会创建一次过滤器对应的变量，但是我们希望所有图片都共享同一过滤器变量，一共有4个变量：conv1_weights,conv1_biases,conv2_weights, and conv2_biases。通常的做法是将这些变量设置为全局变量。但是存在的问题是打破封装性，这些变量必须文档化被其他代码文件引用，一旦代码变化，调用方也可能需要变化。还有一种保证封装性的