tensorflow中一些常用函数记录

简单函数不给用例

tf.nn.moments

函数原型

def moments(
    x,
    axes,
    shift=None,  # pylint: disable=unused-argument
    name=None,
    keep_dims=False):

例子

img = tf.Variable(tf.random_normal([2,3,4]))
#keep_dims设置为True表示axes这个参数维度为1，其他维度和原来保持一样
#当为False,表示axes这个维度直接消失，维度减一。
mean, variance = tf.nn.moments(img, [-1], keep_dims=True)
mean1, variance1 = tf.nn.moments(img, [-1])

打印mean和mean1结果：

[[[-0.01752006]
  [-0.3934618 ]
  [ 0.5831194 ]]

 [[-0.40659836]
  [ 0.26763207]
  [-0.7876693 ]]]
[[-0.01752006 -0.3934618   0.5831194 ]
 [-0.40659836  0.26763207 -0.7876693 ]]

可以看出mean变成(2,3,1)，而mean1为(2,3)

tf.concat

函数原型

def concat(values, axis, name="concat"):

values值是以tuple形式传入，两个需要进行concat的matrix，axis指示按什么维度concat

tf.nn.embedding_lookup

原型

def embedding_lookup(
    params,
    ids,
    partition_strategy="mod",
    name=None,
    validate_indices=True,  # pylint: disable=unused-argument
    max_norm=None):

实现功能，从params中抽取ids号的vector组成一个matrix。

ids = tf.Variable(tf.ones([3], dtype=tf.int32))
lookup_table = tf.Variable(tf.random_normal([2,3], dtype=tf.float32))
outputs = tf.nn.embedding_lookup(lookup_table, ids)

打印lookup_table和outputs：

[[ 0.82692766 -0.6102561   0.36227643]
 [-0.06371575  1.1494356  -0.27827913]]
[[-0.06371575  1.1494356  -0.27827913]
 [-0.06371575  1.1494356  -0.27827913]
 [-0.06371575  1.1494356  -0.27827913]]

可以看到outputs中，取了3次lookup_table[1]组成matrix

tf.tile

函数原型

def tile(input, multiples, name=None):

功能实现，对matrix的复制，inputs是要复制的，multiples是规则，为一个list，表示要复制的维度和次数，且multi的维度应等于inputs。