TFboy

TFboy养成记 tf.cast,tf.argmax，tf.reduce_sum

referrence: 莫烦视频

先介绍几个函数

1.tf.cast()

英文解释:

也就是说cast的直译，类似于映射，映射到一个你制定的类型。

 

2.tf.argmax 原型：

含义：返回最大值所在的坐标。（谁给翻译下最后一句？？？）

 ps:谁给解释下axis最后一句话？

 

例子：

 

　3.tf.reduce_mean() 原型:

含义：一句话来说就是对制定的reduction_index进行均值计算。

注意，reduction_indices为0时，是算的不同的[]的同一个位置上的均值

为1是是算的[]内的均值。

 1 import numpy as np
 2 import tensorflow as tf
 3 tt = tf.reduce_mean([1,2,3,4])
 4 ttt = tf.reduce_mean([[1.0,2,3,4,5],[6,7,8,9,10],[1,1,1,1,1]],reduction_indices=[1])
 5 t = tf.reduce_mean([[1.0,2,3,4,5],[6,7,8,9,10],[1,1,1,1,1]],reduction_indices=[0])
 6 sess = tf.Session()
 7 sess.run(tf.initialize_all_variables())
 8 
 9 print (sess.run(t))
10 print (sess.run(tt))

 

 

 tf.equal:

含义比较两个tensor的值，如果在一个下表下一样，那么返回的tensor在这个下表上就为true.这个函数一般可以与cast在一起去（cast到float32上）计算一些准确率

tensorflow 中 reduce_sum 理解

定义如下：

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

reduce_sum 是 tensor 内部求和的工具。其参数中：

1. input_tensor 是要求和的 tensor

2. axis 是要求和的 rank，如果为 none，则表示所有 rank 都要仇和

3. keep_dims 求和后是否要降维

4. 这个操作的名称，可能在 graph 中 用

5. 已被淘汰的，被参数 axis 替代

 

示例如下：

x = tf.constant([[1, 1, 1], [1, 1, 1]])
tf.reduce_sum(x, 0)  # 对 tensor 的 0 级进行求和，[1,1,1] + [1,1,1] =  [2, 2, 2]
tf.reduce_sum(x, 1)  # 对 tensor 的 1 级进行仇和，[1+1+1, 1+1+1] = [3, 3]
tf.reduce_sum(x, 1, keep_dims=True)  # 对第 1 级进行求和，但不降维, [[3], [3]]
tf.reduce_sum(x, [0, 1])  # 0 级和 1级都要求和，6
tf.reduce_sum(x)  # 因为 x 只有 2 级，所以结果同上一个，6