tensorflow常用函数介绍.doc

《tensorflow常用函数介绍.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、tf函数TensorFlow将图形定义转换成分布式执行的操作,以充分利用可用的计算资源(如CPU或GPU。一般你不需要显式指定使用CPU还是GPU,TensorFlow能自动检测。如果检测到GPU,TensorFlow会尽可能地利用找到的第一个GPU来执行操作.并行计算能让代价大的算法计算加速执行，TensorFlow也在实现上对复杂操作进行了有效的改进。大部分核相关的操作都是设备相关的实现，比如GPU。下面是一些重要的操作/核：·1·2·3操作组操作MathsAdd,Sub,Mul,Div,Exp,Log,

2、Greater,Less,EqualArrayConcat,Slice,Split,Constant,Rank,Shape,ShuffleMatrixMatMul,MatrixInverse,MatrixDeterminantNeuronalNetworkSoftMax,Sigmoid,ReLU,Convolution2D,MaxPoolCheckpointingSave,RestoreQueuesandsyncronizationsEnqueue,Dequeue,MutexAcquire,MutexRele

3、aseFlowcontrolMerge,Switch,Enter,Leave,NextIterationTensorFlow的算术操作如下：操作描述tf.add(x,y,name=None)求和tf.sub(x,y,name=None)减法tf.mul(x,y,name=None)乘法tf.div(x,y,name=None)除法tf.mod(x,y,name=None)取模tf.abs(x,name=None)求绝对值tf.neg(x,name=None)取负(y=-x).tf.sign(x,name=No

4、ne)返回符号y=sign(x)=-1ifx<0;0ifx==0;1ifx>0.tf.inv(x,name=None)取反tf.square(x,name=None)计算平方(y=x*x=x^2).tf.round(x,name=None)舍入最接近的整数#‘a’is[0.9,2.5,2.3,-4.4]tf.round(a)==>[1.0,3.0,2.0,-4.0]tf.sqrt(x,name=None)开根号(y=sqrt{x}=x^{1/2}).tf.pow(x,y,name=None)幂次方 #ten

5、sor‘x’is[[2,2],[3,3]]#tensor‘y’is[[8,16],[2,3]]tf.pow(x,y)==>[[256,65536],[9,27]]tf.exp(x,name=None)计算e的次方tf.log(x,name=None)计算log，一个输入计算e的ln，两输入以第二输入为底tf.maximum(x,y,name=None)返回最大值(x>y?x:y)tf.minimum(x,y,name=None)返回最小值(x

6、netf.sin(x,name=None)三角函数sinetf.tan(x,name=None)三角函数tantf.atan(x,name=None)三角函数ctan张量操作TensorTransformations·数据类型转换Casting操作描述tf.string_to_number(string_tensor,out_type=None,name=None)字符串转为数字tf.to_double(x,name=’ToDouble’)转为64位浮点类型–float64tf.to_float(x,name

7、=’ToFloat’)转为32位浮点类型–float32tf.to_int32(x,name=’ToInt32’)转为32位整型–int32tf.to_int64(x,name=’ToInt64’)转为64位整型–int64tf.cast(x,dtype,name=None)将x或者x.values转换为dtype#tensor a is[1.8,2.2],dtype=tf.floattf.cast(a,tf.int32)==>[1,2]#dtype=tf.int32·形状操作ShapesandShaping

8、操作描述tf.shape(input,name=None)返回数据的shape#‘t’is[[[1,1,1],[2,2,2]],[[3,3,3],[4,4,4]]]shape(t)==>[2,2,3]tf.size(input,name=None)返回数据的元素数量#‘t’is[[[1,1,1],[2,2,2]],[[3,3,3],[4,4,4]]]]size(t)==>12tf.rank(inpu