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