tensorflow中常用的函数详解

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/j___t/article/details/88587884

tf.reduce_mean

函数原型

tf.reduce_mean(
    input_tensor,			#被执行降维求平均的张量
    axis=None,				#进行求平均的轴，0为行维，1为列维
    keepdims=None,			#是否保持维度，如果为True，则保留维度，并且此维度的长度为1
    name=None,					
    reduction_indices=None,	#进行求平均的轴，0为行间，1为列间(deprecated)
    keep_dims=None			#是否保持维度，如果为True，则保留维度，并且此维度的长度为1
)

功能

对于给定的维度进行求平均操作，如果axis = 0，则对于所有数据求和并输出0维的数

例子

import tensorflow as tf
x = tf.constant([[1., 1., 1.], [2., 2., 2.]])
with tf.Session() as sess:
	print(sess.run(tf.reduce_mean(x)))	#1.5
    print(sess.run(tf.reduce_mean(x, 0)))	#[1.5 1.5 1.5]
    print(sess.run(tf.reduce_mean(x, 1)))	#[1. 2.]
    print(sess.run(tf.reduce_mean(x, 0, True)))	#[[1.5 1.5 1.5]]
    print(sess.run(tf.reduce_mean(x, 1, True)))	#[[1.][2.]]

tf.reduce_mean

函数原型

tf.random_uniform(
    shape,				#一个一维数组，表示输出的形状
    minval=0,			#输出tensor数据的最小值，included
    maxval=None,		#输出tensor数据的最大值，excluded，如果是float则默认是1
    dtype=tf.float32,	#数据类型
    seed=None,			#随机种子
    name=None
)

功能

输出指定shape的均匀分布tensor

例子

import tensorflow as tf
with tf.Session() as sess:
    print(sess.run(tf.random_uniform([2, 3], 2, 3, tf.float32, 100)))
	#[[2.9617498 2.4491813 2.5127077][2.8348918 2.5473433 2.80997]]