Tensorflow学习笔记（2）

1、

tf.random_normal(shape,mean = 0.0,stddev = 1.0,dtype =tf.Float32, seed = None, name = None)

mean是平均值

stddev是标准正态分布的标准差（方差的开平方）

2、tf.placeholder()

tf.placeholder操作是占位符，即先定义有这么一种数据，其参数为数据的type和space

tf.placeholder(tf.float32,shape=(bachsize,cols))#其中bachsize表示数据类型的行数，cols表示列数。

3、tf.reduce_mean(tensor t)

tf.reduce_mean()返回的是tensor t中各个元素的平均值。

如：

# 'x' is [[1., 1.] 

#        [2., 2.]] 

tf.reduce_mean(x) ==> 1.5 

tf.reduce_mean(x, 0)==> [1.5,1.5]#列

tf.reduce_mean(x, 1)==> [1.,2.]#行

4、tf.reduce_max()

计算tensor中的各个元素的最大值，

reduce_max(t,1)是找出各行中最大值组成一个tensor

reduce_min(t,0)是找出各列中最大值组成一个tensor

同理，tf.reduce_min()则是计算tensor中各个元素的最小值

5、tf.reduce_all()

计算tensor中各个元素的逻辑和（and运算）

# 'x' is [[True, True] 

# [False, False]] 

tf.reduce_all(x) ==> False 

tf.reduce_all(x, 0)==> [False, False] 

tf.reduce_all(x, 1)==> [True, False]

6、tf.reduce_any()

计算tensor中各个元素的逻辑或（or运算）

7、tensorflow中的tensor包含三个特性：rank，shape，type

rank即tensor的维度，与C++中数组的维度类似，如23为0维，[23]是一维，[[1,2],[2,3]]是二维，[[[1,2],[2,3]],[[2,3],[3,4]]]是三维tensor

rank，shape和维度数的关系之间的关系

RankShapeDimension numberExample0[]0-DA 0-D tensor. A scalar.1[D0]1-DA 1-D tensor with shape [5].2[D0, D1]2-DA 2-D tensor with shape [3, 4].3[D0, D1, D2]3-DA 3-D tensor with shape [1, 4, 3].n[D0, D1, ... Dn-1]n-DA tensor with shape [D0, D1, ... Dn-1].

type就是tensor中数据的数据类型