【tensorflow】数据类型&基本函数

tensorflow数据类型：

1、tf.cast()函数的作用是执行 tensorflow 中张量数据类型转换：
cast(x, dtype, name=None)
第一个参数 x: 待转换的数据（张量）
第二个参数 dtype： 目标数据类型
第三个参数 name： 可选参数，定义操作的名称

2、tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

shape: 一维的张量，也是输出的张量。
mean: 正态分布的均值。
stddev: 正态分布的标准差。
dtype: 输出的类型。
seed: 一个整数，当设置之后，每次生成的随机数都一样。
name: 操作的名字。

import tensorflow as tf
def weight_variable(shape):
  initial = tf.truncated_normal(shape, stddev=0.1)
  return tf.Variable(initial)

def bias_variable(shape):
  initial = tf.constant(0.1, shape=shape)
  return tf.Variable(initial)

W_conv1 = weight_variable([2, 2, 6])
b_conv1 = bias_variable([10])

sess = tf.InteractiveSession()
sess.run(tf.initialize_all_variables())
print(W_conv1)
print(b_conv1)
print("W_conv1:%s"%sess.run(W_conv1))
print("b_conv1:%s"%sess.run(b_conv1))

3、tf.Variable(initializer,name),参数initializer是初始化参数，name是可自定义的变量名称
4、 tf.reshape(Var1, [-1,2,2,1]) # 参数-1指这一位是计算出来的

import tensorflow as tf
Var1 = tf.Variable(tf.truncated_normal([1,4], stddev=0.1))
var2 = tf.reshape(Var1, [-1,2,2,1])
sess = tf.InteractiveSession()
sess.run(tf.initialize_all_variables())
print("Var1:%s"%sess.run(Var1))
print("var2:%s"%sess.run(var2))

5、eval(expression[, globals[, locals]])
expression ： 表达式。
globals ： 变量作用域，全局命名空间，如果被提供，则必须是一个字典对象。
locals ： 变量作用域，局部命名空间，如果被提供，可以是任何映射对象。