TensorFlow函数-01

这一系列文章呢用来记录我在使用TensorFlow的过程中遇到的函数，嘻嘻！

1、tf.one_hot()

tf.one_hot 函数定义如下：

tf.one_hot(
    indices,        #输入的tensor，在深度学习中一般是给定的labels，通常是数字列表，属于一维输入，也可以是多维。
    depth,          #一个标量，用于定义一个 one hot 维度的深度
    on_value=None,  #定义在 indices[j] = i 时填充输出的值的标量，默认为1
    off_value=None, #定义在 indices[j] != i 时填充输出的值的标量，默认为0
    axis=None,      #要填充的轴，默认为-1，即一个新的最内层轴
    dtype=None,     
    name=None
)

下面举个例子：

import tensorflow as tf

labels = [0, 2, -1, 1]
res = tf.one_hot(indices=labels, depth=4, on_value=1.0, off_value=0.0, axis=-1)
with tf.Session() as sess:
    print (sess.run(res))
输出：
[[ 1.  0.  0.  0.]
 [ 0.  0.  1.  0.]
 [ 0.  0.  0.  0.]
 [ 0.  1.  0.  0.]]

其中：

labels：维度为一维；
depth=4 ：代表输出长度为4的向量，可以看到结果中每一个向量都是4维；
on_value，off_value：分别设置为1,0，不设置也可以，默认就为1,0，可以看到第三个向量全为0，因为labels[2]=-1：所以该向量不存在值为1的维度；
axis=-1：代表要填充的轴是新的最内层轴，等价于axis=1。

axis=1，表示按行操作；axis=0，表示按列操作。

参考链接：tf.one_hot

2、tf.placeholder(dtype, shape=None, name=None)

此函数用于定义过程，在执行的时候再赋具体的值.

dtype：数据类型。常用的是tf.float32,tf.float64等数值类型
shape：数据形状。默认是None，就是一维值，也可以多维，比如：[None，3]，表示列是3，行不一定
name：名称。

3、tf.matmul（a,b）

将矩阵a乘以矩阵b，生成a * b。

4、tf.multiply（a,b）

两个矩阵中对应元素各自相乘

5、tf.math.squared_difference(x,y,name=None)

返回值：（x-y）的平方

6、tf.reduce_mean（）

tf.reduce_mean(input_tensor,axis=None,keep_dims=False,name=None,reduction_indices=None)
用于计算张量tensor沿着指定的数轴（tensor的某一维度）上的的平均值，主要用作降维或者计算tensor（图像）的平均值。

input_tensor： 输入的待降维的tensor;
axis： 指定的轴，如果不指定，则计算所有元素的均值;
keep_dims：是否降维度，设置为True，输出的结果保持输入tensor的形状，设置为False，输出结果会降低维度;
name： 操作的名称;
reduction_indices：在以前版本中用来指定轴，已弃用;

7、tf.get_collection(key,scope=None)

该函数的作用是从一个collection中取出全部变量，形成列个列表，key参数中输入的是collection的名称。该函数常常与tf.get_variable和tf.add_to_collection配合使用。

8、tf.assign(ref, value, validate_shape=None, use_locking=None, name=None)

函数完成了将value赋值给ref的作用。
其中：ref 必须是tf.Variable创建的tensor，如果ref=tf.constant()会报错！
同时，shape（value）==shape（ref）

9、tf.device()

指定tensorflow运行的GPU或CPU设备
参考链接：tf.device()

10、tf.subtract(x,y,name=None)

返回x-y的元素。
函数参数：

x：一个 Tensor,必须是下列类型之一：half,bfloat16,float32,float64,uint8,int8,uint16,int16,int32,int64,complex64,complex128.
y：一个 Tensor,必须与 x 具有相同的类型.
name：操作的名称(可选).

函数返回值：

tf.subtract函数返回一个Tensor,与 x 具有相同的类型.