tensorflow常用函数解析

一、tf.transpose函数的用法

tf.transpose(input, [dimension_1, dimenaion_2,..,dimension_n]):这个函数主要适用于交换输入张量的不同维度用的，如果输入张量是二维，就相当是转置。dimension_n是整数，如果张量是三维，就是用0,1,2来表示。这个列表里的每个数对应相应的维度。如果是[2,1,0]，就把输入张量的第三维度和第一维度交换。

import numpy as np
import tensorflow as tf

A = np.array([[1,2,3],[4,5,6]])
x = tf.transpose(A, [1,0])

B = np.array([[[1,2,3],[4,5,6]]])
y = tf.transpose(B, [2,1,0])

with tf.Session() as sess:
    print("A:\n",A)
    print("new_A:\n",sess.run(x))
    print("B:\n",B)
    print("new_B:\n",sess.run(y))

A:
[[1 2 3]
[4 5 6]]

new_A:
[[1 4]
[2 5]
[3 6]]

B:
[[[1 2 3]
  [4 5 6]]]

new_B:
[[[1]
  [4]]

[[2]
  [5]]

[[3]
  [6]]]

分析理解：对于第一个二维矩阵A来说就比较简单了，就是普通的转置。对于第二个三维变量B，在转置前可以理解为是1片2*3的矩阵，而转置操作要求第一维和第三维置换，那就是要变成3片2*1的矩阵，这样就好理解了，输出结果正是3片1*2的矩阵。

 二、tf.argmax函数用法

该函数就是找出每行或者每列的最大值所在的索引值，第二个参数为表示按行查找还是按列查找，1-按行，0-按列。

import tensorflow as tf

C=[[9,8,3],[1,7,2]]

with tf.Session() as sess:
    print(sess.run(tf.argmax(C,1)))

 [0 1]

 

三、tf.equal函数

vimport tensorflow as tf
import numpy as np

A = [[1,3,4,5,6]]
B = [[1,3,4,3,2]]

with tf.Session() as sess:
    print(sess.run(tf.equal(A, B)))

输出：    [[ True  True  True False False]]

四、tf.reduce_mean函数

A = [[1,3,4,5,6]]
B = [[1,3,4,3,2]]
correctPred=tf.equal(A,B)
accuracy = tf.reduce_mean(tf.cast(correctPred, tf.float32))

with tf.Session() as sess:
    print(sess.run(accuracy))

输出：0.6

解析：根据上述输出，3个为True，所以accuracy=3/5=0.6