首页 > 其他分享 >深度学习--tensorflow中操作张量的高频率api--87

深度学习--tensorflow中操作张量的高频率api--87

时间:2024-06-21 20:55:04浏览次数:22  
标签:None False name -- shape api tf tensorflow axis

目录

1. 创建张量

tf.constant(value, dtype=None, shape=None, name='Const')
tf.zeros(shape, dtype=tf.float32, name=None)
tf.ones(shape, dtype=tf.float32, name=None)
tf.fill(dims, value, name=None)
tf.random.normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
tf.random.uniform(shape, minval=0, maxval=None, dtype=tf.float32, seed=None, name=None)

2. shape操作

tf.reshape(tensor, shape, name=None)
tf.expand_dims(input, axis, name=None)
tf.squeeze(input, axis=None, name=None)
tf.transpose(a, perm=None, conjugate=False, name='transpose')

3. 数学运算

tf.add(x, y, name=None)
tf.subtract(x, y, name=None)
tf.multiply(x, y, name=None)
tf.divide(x, y, name=None)
tf.matmul(a, b, transpose_a=False, transpose_b=False, adjoint_a=False, adjoint_b=False, a_is_sparse=False, b_is_sparse=False, name=None)
tf.reduce_sum(input_tensor, axis=None, keepdims=False, name=None)
tf.reduce_mean(input_tensor, axis=None, keepdims=False, name=None)
tf.reduce_max(input_tensor, axis=None, keepdims=False, name=None)
tf.reduce_min(input_tensor, axis=None, keepdims=False, name=None)

4 逻辑运算

tf.equal(x, y, name=None)
tf.not_equal(x, y, name=None)
tf.greater(x, y, name=None)
tf.greater_equal(x, y, name=None)
tf.less(x, y, name=None)
tf.less_equal(x, y, name=None)

5. 张量之间的操作

tf.concat(values, axis, name='concat')
tf.split(value, num_or_size_splits, axis=0, num=None, name='split')
tf.stack(values, axis=0, name='stack')
tf.unstack(value, num=None, axis=0, name='unstack')

6. 数据类型的转换

tf.cast(x, dtype, name=None)

7. 聚合(规约)操作

tf.reduce_all(input_tensor, axis=None, keepdims=False, name=None)
tf.reduce_any(input_tensor, axis=None, keepdims=False, name=None)

8 argmax

tf.argmax 经常用于softmax之后 用于判断多分类问题 的输出标签

import tensorflow as tf
import numpy as np

# 假设我们有一个训练好的模型,并且输入数据已经通过 softmax 层进行了处理
# 这里我们手动创建一个 softmax 输出示例
softmax_output = np.array([[0.1, 0.2, 0.7], [0.8, 0.1, 0.1], [0.3, 0.4, 0.3]])

# 使用 tf.argmax 找到每个样本的最大概率对应的类别
predicted_labels = tf.argmax(softmax_output, axis=1)

# 打印预测的标签
print("Predicted labels:", predicted_labels.numpy())

Predicted labels: [2 0 1]

标签:None,False,name,--,shape,api,tf,tensorflow,axis
From: https://www.cnblogs.com/cavalier-chen/p/18261317

相关文章

  • Unity 编辑器中获取选中的文件夹、文件路径
    编辑器中获取选中的文件夹、文件路径usingUnityEditor;usingUnityEngine;usingObject=UnityEngine.Object;publicclassMyEditorScript{[MenuItem("Assets/PrintSelectedFolderPath")]staticvoidPrintSelectedFolderPath(){//第一种方式......
  • rank
    <template><divclass="ting-rank"><ul><liv-for="(item,index)inlist":key="index+item.text"style="background-image:url('http://42.193.126.16:9000/sjoss/upload/20240618/550a3......
  • 手机号码
    手机号码题意\(11\)位手机号,求\([L,R]\)之间所有满足以下条件的号码个数:\(4\)和\(8\)不同时出现。存在三个连续的数。解析拿来当数位DP板子(记搜版),记搜好用。求\([L,R]\)的个数,我们用前缀和,求出\([1,R]\)和\([1,L-1]\)的个数,把限制条件变成一个。dp数......
  • 探索东南亚的秘境之旅:从老挝琅勃拉邦到泰国的多元风情
    在2024的4月的,我踏上了前往东南亚的心灵之旅,第一站,便是老挝那颗隐藏的宝石——琅勃拉邦。这座城市,不仅以其千年历史和古朴风情吸引着我,更以它对传统文化的坚守和自然美景的保留,让我心生向往。琅勃拉邦:青旅中的温馨邂逅抵达琅勃拉邦,我选择了一家充满特色的青旅作为落脚点。这家......
  • 前端和后端介绍、浏览器访问全过程、HTTP协议以及协议请求和响应格式、HTML介绍及常用
    【一】前端和后端介绍【1】什么是前端与用户进行交互,让用户输入数据以及展示相应数据的媒介就叫前端前端可以是浏览器的界面,也可以是客户端的界面,还可以是手机的界面。。【2】什么是后端在整个应用的背后,不直接与用户打交道的用于执行真正业务逻辑的代码。比如我们自己写......
  • 乌龙!Hystrix命令执行超时!
    我在使用hystrix编写一个模拟命令执行超时的demo。1importcom.netflix.hystrix.*;2importlombok.extern.slf4j.Slf4j;34@Slf4j5publicclassHystrixTimeoutDemo{67staticclassTestCommandextendsHystrixCommand<String>{8Stringp......
  • 卷积神经网络-AlexNet
    AlexNet一些前置知识top-1和top-5错误率top-1错误率指的是在最后的n哥预测结果中,只有预测概率最大对应的类别是正确答案才算预测正确。top-5错误率指的是在最后的n个预测结果中,只要预测概率最大的前五个中含有正确答案就算预测正确。max-pooling层最大池化又叫做subsamplin......
  • Ubuntu24使用kubeadm部署高可用K8S集群
    Ubuntu24使用kubeadm部署高可用K8S集群使用kubeadm部署一个k8s集群,3个master+1个worker节点。1.环境信息操作系统:ubuntu24.04内存:2GBCPU:2网络:能够互访,能够访问互联网hostnameip备注k8s-master1192.168.0.51master1k8s-master2192.168.0.52master......
  • 深度学习--seqt2seq RNN 英语翻译法语--86
    目录1.结构2.代码解读1.结构我画的:2.代码解读导包importnltkimportnumpyasnpimportreimportshutilimporttensorflowastfimportosimportunicodedatafromnltk.translate.bleu_scoreimportsentence_bleu,SmoothingFunction数据集的预处理defcl......
  • 20240621维护记录
     dockerrun-d--namepause-1k8s.gcr.io/pause:3.2 注意:RunningError请看pods什么周期介绍https://www.jianshu.com/p/0bb8572e34f#!/bin/bashKEY=`cat/proc/sys/kernel/random/uuid`USER=`echo$KEY|cut-d"-"-f1`ACCESS_KEY=`uuidgen`SECRET_KEY=$KEYROLE_NAME......