python3__深度學習:TensorFlow__常用內建函式說明
tf.constant
(value, dtype=None, shape=None, name="Const", verify_shape=False):
建立一個常數張量
value: 常數值,或list
dtype: 結果張量中元素的型別
shape: 結果張量的形狀
name: 張量名稱
verify_shape: 可驗證值形狀的布林值
tf.assign_add
(ref, value, use_locking=None, name=None):
向ref中累加值並將其更新
ref: 規定型別的可變的張量(float32, float64, int8, int16, int32, int64, uint8, uint16, complex64, complex128, qint8, qint32, quint8, half)
value: 累加值,型別與ref相同
use_locking:是否新增鎖保護,預設為False(可選引數)
name: 操作名稱(可選引數)
tf.global_variables_initializer():
返回初始化全域性變數的操作(ops),通過tf.Session.run(ops)在會話中執行操作並計算張量
tf.read_file
(filename, name=None):
讀取並輸出filename(張量)的內容
filename: 字串型別的張量
name:操作的名稱
tf.parse_single_example
(serialized, features, name=None, example_names=None)
解釋單一“協議記憶體塊”
serialized: 一個標量的字串張量,一個序列化的記憶體塊
features: 解釋的內容對映到該dict(字典)中
tf.FixedLenFeatures
(shape, dtype, default_value)
解析固定長度的輸入特徵
shape: 輸入資料的形狀
dtype: 輸入資料的型別
default_value: 如果示例缺少此特性,則使用的值。它必須與“dtype”和指定的“shape”相容。
tf.parse_single_example
(serialized, features, name=None, example_names=None)
解釋單一的example協議記憶體塊
serialized: tf.TFRecordReader()物件讀入的字串張量
features: 字典 -> 對映為tf.FiexdLenFeature或tf.VarLenFeature的值
tf.decode_raw
(bytes, out_type, little_endian=True, name=None)
將string位元組重新解釋為數字vector(數字向量)
bytes: string型別的張量(內部所有元素必須等長)
out_type: 輸出型別(tf內建資料型別)
tf.cast
(x, dtype, name=None)
將一個張量轉換為新型別
x:數字型別的張量或稀疏張量
dtype: 目標型別