Tensor flow常用函数(非常详细).docxVIP

1、tensorflow常用函数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：操作组操作MathsAdd, Sub, Mul, Div, Exp, Log, Greater, Less, EqualArrayConcat, Slice, Split, Constant, Rank, Shape, ShuffleMatrixMatMul, MatrixInverse, MatrixDeterminantNeuronal NetworkSoftMax, Sigmoid, ReLU, Convolution2D, MaxPoolCheckpointingSave, RestoreQueues and syncronizationsEnqueue, Dequeue, MutexAcquire, MutexReleaseFlow controlMerge, 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=None)返回符号 y = sign(x) = -1 if x 0; 0 if x == 0; 1 if x 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# tensor ‘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 y ? x : y)tf.cos(x, name=None)三角函数cosinetf.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Tensor Transformations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=’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, 32) == [1, 2] # dtype=32形状操作Shapes and Shaping操作描述tf.shape(input, name=None)返回数据的shape#