人工智能雜記（2）

tensorflow的幾個函數

• tf.argmax()

  通俗的講，該函數是傳回最大的那個數值所在的下标，難點在于第二個參數

  先放一個例子，下面進行解釋

  argmax_paramter = tf.Variable([[1, 32, 44, 56], [89, 12, 90, 33], [35, 69, 1, 10]])
  argmax_0 = tf.argmax(argmax_paramter, 0)
  argmax_1 = tf.argmax(argmax_paramter, 1)
  print("argmax_0:", sess.run(argmax_0))
  print("argmax_1:", sess.run(argmax_1))
             

  運作結果

  

  第二個參數為0時比較所有數組相同位置上的數

  第二個參數為1時分别比較每個數組中數的大小

• tf.reduce_mean()

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

  該函數用于計算張量tensor沿着指定的數軸（tensor的某一次元）上的的平均值，主要用 作降維或者計算tensor（圖像）的平均值

  input_tensor： 輸入的tensor

  axis： 指定的軸，如果不指定，則計算所有元素的均值

  keep_dims：是否降次元，設定為True，輸出的結果保持輸入tensor的形狀， 設定為False，輸出結果會降低次元

  name： 操作的名稱

  reduction_indices：用來指定軸

  import tensorflow as tf
  
  # 次元為2，形狀為[2,3]
  tensor = [[1,2,3],
                 [1,2,3]]
  
  tensor = tf.cast(x,tf.float32)
  
  mean_all = tf.reduce_mean(xx, keep_dims=False)
  mean_0 = tf.reduce_mean(xx, axis=0, keep_dims=False)
  mean_1 = tf.reduce_mean(xx, axis=1, keep_dims=False)
  
  
  with tf.Session() as sess:
    m_a,m_0,m_1 = sess.run([mean_all, mean_0, mean_1])
  
  print(m_a)    # output: 2.0
  print(m_0)    # output: [1  2  3]
  print(m_1)    # output: [2  2]
  
  # 如果設定保持原來的張量的次元，keep_dims=True
  print(m_a)    # output: [[2]]
  print(m_0)    # output: [[1  2  3]]
  print(m_1)    # output: [[2], [2]]
             

• tf.equal()

  equal(x, y, name=None)
             

  該函數是判斷x，y是否相等，逐個元素進行判斷

  import tensorflow as tf
  a = [[1,2,3],[4,5,6]]
  b = [[1,0,3],[1,5,1]]
  with tf.Session() as sess:
    print(sess.run(tf.equal(a,b)))
  
  # output：
  # [[ True False  True]
  # [False  True False]]
             

• tf.cast()

  tf.cast(x, dtype, name=None)
             

  該函數的功能是将x的資料類型轉換為dtype

  a = tf.Variable([1,0,0,1,1])
  b = tf.cast(a,dtype=tf.bool)
  sess = tf.Session()
  sess.run(tf.initialize_all_variables())
  print(sess.run(b))
  
  # output：[True  False  False  True  True]