Tensorflow中的常用函数

tf.nn.embedding_lookup函数的用法

tf.nn.embedding_lookup函数的用法主要是选取一个张量里面索引对应的元素。tf.nn.embedding_lookup（tensor, id）:tensor就是输入张量，id就是张量对应的索引，其他的参数不介绍。

import tensorflow as tf; import numpy as np; c = np.random.random([10,1]) b = tf.nn.embedding_lookup(c, [1, 3]) with tf.Session() as sess: sess.run(tf.initialize_all_variables()) print sess.run(b) print c

输出： [[ 0.77505197]  [ 0.20635818]] [[ 0.23976515]  [ 0.77505197]  [ 0.08798201]  [ 0.20635818]  [ 0.37183035]  [ 0.24753178]  [ 0.17718483]  [ 0.38533808]  [ 0.93345168]  [ 0.02634772]] 分析：输出为张量的第一和第三个元素。

tf.reduce_sum( ) 函数用法

# 'x' is [[1, 1, 1] # [1, 1, 1]] tf.reduce_sum(x) ==> 6 tf.reduce_sum(x, 0) ==> [2, 2, 2] tf.reduce_sum(x, 1) ==> [3, 3] tf.reduce_sum(x, 1, keep_dims=True) ==> [[3], [3]] tf.reduce_sum(x, [0, 1]) ==> 6

tf.clip_by_value()函数用法

tf.clip_by_value(v,a,b) 

功能：可以将一个张量中的数值限制在一个范围之内。（可以避免一些运算错误）  参数： （1）v：input数据

           （2）a、b是对数据的限制。                      当v小于a时，输出a；                      当v大于a小于b时，输出原值；                      当v大于b时，输出b；  例子：

import tensorflow as tf v=tf.constant([[1.0,2.0,3.0],[4.0,5.0,6.0]]) sess=tf.Session() with sess.as_default(): print(tf.clip_by_value(v,2.5,4.5).eval())

结果：  [[ 2.5 2.5 3. ]  [ 4. 4.5 4.5]]

 

tf.multiply与tf.matmul的区别

https://mp.csdn.net/postedit/96896531