1.tf.where(condition,x=None,y=None,name=None)

作用：該函數(shù)的作用是根據(jù)condition,返回相對(duì)應(yīng)的x或y,返回值是一個(gè)tf.bool類型的Tensor。
若condition=True,則返回對(duì)應(yīng)X的值，False則返回對(duì)應(yīng)的Y值。

import tensorflow as tf sess=tf.Session() A =tf.where(False,123,321) print(sess.run(A)) #321B=tf.where(True,123,321) print(sess.run(B)) # 123

2.tf.placeholder(dtype,shape=None,name=None)

參數(shù)：

dtype：數(shù)據(jù)類型。常用的是tf.float32,tf.float64等數(shù)值類型

shape：數(shù)據(jù)形狀。默認(rèn)是None，就是一維值，也可以是多維（比如[2,3], [None, 3]表示列是3，行不定）

name：名稱

為什么要用placeholder?

• Tensorflow的設(shè)計(jì)理念稱之為計(jì)算流圖，在編寫程序時(shí)，首先構(gòu)筑整個(gè)系統(tǒng)的graph，代碼并不會(huì)直接生效，這一點(diǎn)和python的其他數(shù)值計(jì)算庫（如Numpy等）不同，graph為靜態(tài)的。然后，在實(shí)際的運(yùn)行時(shí)，啟動(dòng)一個(gè)session，程序才會(huì)真正的運(yùn)行。這樣做的好處就是：避免反復(fù)地切換底層程序?qū)嶋H運(yùn)行的上下文，tensorflow幫你優(yōu)化整個(gè)系統(tǒng)的代碼。我們知道，很多python程序的底層為C語言或者其他語言，執(zhí)行一行腳本，就要切換一次，是有成本的，tensorflow通過計(jì)算流圖的方式，幫你優(yōu)化整個(gè)session需要執(zhí)行的代碼，還是很有優(yōu)勢(shì)的。
• 所以placeholder()函數(shù)是在神經(jīng)網(wǎng)絡(luò)構(gòu)建graph的時(shí)候在模型中的占位，此時(shí)并沒有把要輸入的數(shù)據(jù)傳入模型，它只會(huì)分配必要的內(nèi)存。等建立session，在會(huì)話中，運(yùn)行模型的時(shí)候通過feed_dict()函數(shù)向占位符喂入數(shù)據(jù)。

import tensorflow as tf import numpy as npinput1 = tf.placeholder(tf.float32) input2 = tf.placeholder(tf.float32)output = tf.multiply(input1, input2)with tf.Session() as sess:print(sess.run(output, feed_dict = {input1:[3.], input2: [4.]}))

激活函數(shù)：

激勵(lì)函數(shù)主要是為計(jì)算圖歸一化返回結(jié)果而引進(jìn)的非線性部分。激勵(lì)函數(shù)位于tensorflow的nn庫（neural network， nn)。https://www.jianshu.com/p/55a47b1720ba

激活函數(shù)定義備注

tf.nn.relu()	max(0, x)	大于零取原值，小于零取零
tf.nn.elu()		大于等于0的值取原值，小于0的值按照公式計(jì)算，a取值為1

3.tf.nn.relu(features, name = None)

作用： 計(jì)算激活函數(shù)relu,即 max(0,features) ，大于零取原值，小于零取零。

import tensorflow as tfa = tf.constant([-1.0, 2.0]) with tf.Session() as sess:b = tf.nn.relu(a)print sess.run(b) #輸出的結(jié)果是：[0. 2.]

4.tf.nn.elu(x)

elu函數(shù)

import tensorflow as tfinput=tf.constant([0,-1,2,-3],dtype=tf.float32) output=tf.nn.elu(input)with tf.Session() as sess:print(sess.run(input)) #[ 0. -1. 2. -3.]print(sess.run(output)) #[ 0. -0.63212055 2. -0.95021296]sess.close()

按照公式上面大于等于0的值返回原值，小于0的值按照公式計(jì)算：
e = 2.718281828
-1： 1/2.718281828-1 = -0.6321205587664327
-3：1/(2.7182818282.7182818282.718281828)-1 =-0.9502129316069129

總結(jié)

以上是生活随笔為你收集整理的tensorflow函数方法的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。