tensorflow笔记01

太过爱你忘了你带给我的痛 2022-02-03 10:19 253阅读 0赞

# tf.clip\_by\_value的用法 #

tf.clip\_by\_value(A, min, max)：输入一个张量A，把A中的每一个元素的值都压缩在min和max之间。小于min的让它等于min，大于max的元素的值等于max。

import tensorflow as tf;
    import numpy as np;
     
    A = np.array([[1,1,2,4], [3,4,8,5]])
     
    with tf.Session() as sess:
    	print sess.run(tf.clip_by_value(A, 2, 5))

输出：  
\[\[2 2 2 4\]  
\[3 4 5 5\]\]

# tf.reduce\_mean函数 #

tf.reduce\_mean 函数用于计算张量tensor沿着指定的数轴（tensor的某一维度）上的的平均值，主要用作降维或者计算tensor（图像）的平均值。

reduce_mean(input_tensor,
                    axis=None,
                    keep_dims=False,
                    name=None,
                    reduction_indices=None)

第一个参数input\_tensor： 输入的待降维的tensor;  
第二个参数axis： 指定的轴，如果不指定，则计算所有元素的均值;  
第三个参数keep\_dims：是否降维度，设置为True，输出的结果保持输入tensor的形状，设置为False，输出结果会降低维度;  
第四个参数name： 操作的名称;  
第五个参数 reduction\_indices：在以前版本中用来指定轴，已弃用;  
以一个维度是2，形状是\[2,3\]的tensor举例：

import tensorflow as tf
     
    x = [[1,2,3],
          [1,2,3]]
     
    xx = tf.cast(x,tf.float32)
     
    mean_all = tf.reduce_mean(xx, keep_dims=False)
    mean_0 = tf.reduce_mean(xx, axis=0, keep_dims=False)
    mean_1 = tf.reduce_mean(xx, axis=1, keep_dims=False)
     
     
    with tf.Session() as sess:
        m_a,m_0,m_1 = sess.run([mean_all, mean_0, mean_1])
     
    print m_a    # output: 2.0
    print m_0    # output: [ 1.  2.  3.]
    print m_1    #output:  [ 2.  2.]

如果设置保持原来的张量的维度，keep\_dims=True ，结果：

print m_a    # output: [[ 2.]]
    print m_0    # output: [[ 1.  2.  3.]]
    print m_1    #output:  [[ 2.], [ 2.]]

类似函数还有:

tf.reduce\_sum ：计算tensor指定轴方向上的所有元素的累加和;  
tf.reduce\_max : 计算tensor指定轴方向上的各个元素的最大值;  
tf.reduce\_all : 计算tensor指定轴方向上的各个元素的逻辑和（and运算）;  
tf.reduce\_any: 计算tensor指定轴方向上的各个元素的逻辑或（or运算）;