没有合适的资源?快使用搜索试试~ 我知道了~
TensorFlow学习笔记1
资源详情
资源评论
资源推荐
1. tf.concat()
2. tf.gather()类似于数组的索引,可以把向量中某些索引值提取出来,得到新的
向量,适用于提取不连续的内容,如果用于提取二维数组,表示提取索引对
应的行向量。
3. tf.gather_nd()允许在多维上进行索引。如果方括号中有一个数,表示提取整
行,如果方括号中有两个数,表示对应的元素。若对应 tensor 为三维,则分
别对应第几个矩阵,该矩阵中的第几行,该矩阵中的第几列。
4. tf.greater()和 tf.greater_equal()逐元素进行判断
5. tf.cast()转换数据类型
6. tf.expand_dims()和 tf.squeeze()增加、压缩张量的维度:一维数组转二维矩阵,
二维矩阵转一维数组。
7. 如果在创建 Session 时没有指定 Graph,则该 Session 会加载默认 Graph,如
果在一个进程中创建了多个 Graph,则需要创建不同的 Session 来加载每个
Graph, 而每个 Graph 则可以加载在多个 Session 中计算。
8. 调用 Operation.run()或则 Tensor.eval()方法: 这两个方法都接收参数 session,
用于指定在哪个 session 中计算。但该参数是可选的,默认为 None,此时表
示在进程默认 session 中计算。
9. 如 何 设 置 一 个 Session 为 默 认 的 Session : 在 with 语 句 中 调 用
Session.as_default()方法
10. 如果我们需要定义多个 Graph,则需要在 with 语句中调用 Graph.as_default()
方法将某个 graph 设置成默认 Graph,于是 with 语句块中调用的 Operation
或 Tensor 将会添加到该 Graph 中。
11. Operation 对象的创建是通过直接调用 Python operation 方法(例如 tf.matmul())
或者 Graph.create_op()。
12. 当一个 Graph 加载到一个 Session 中,则可以调用 Session.run(op)来执行 op,
或者调用 op.run()来执行(op.run()是 tf.get_default_session().run()的缩写)。
13. Tensor 表示的是 Operation 的输出结果。不过,Tensor 只是一个符号句柄,
其并没有保存 Operation 输出结果的值。通过调用 Session.run(tensor)或者
tensor.eval()方可获取该 Tensor 的值。
14. 当 Session 加载 Graph 的时候,Graph 里面的计算节点都不会被触发执行。当
运行 sess.run(output)的时候,会沿着指定的 Tensor output 来进图路径往回触
发相对应的节点进行计算。所以在计算 Graph 时,并不一定是 Graph 中的所
有节点都被计算了,而是指定的计算节点或者该节点的输出结果被需要时。
15. 当我们基于 checkpoint 文件(ckpt)加载参数时,实际上我们使用 Saver.restore
取代了 initializer 的初始化,checkpoint 文件会记录保存信息,通过它可以定
位最新保存的模型:.meta 文件保存了当前图结构。.index 文件保存了当前参
数名。.data 文件保存了当前参数值。
16. tf.sign(x, name=None)
17. name_scope 和 variable_scope
18. name_scope:为了更好地管理变量的命名空间而提出的。
19. variable_scope:跟 tf.get_variable()配合使用,实现变量共享的功能
20. tf.name_scope() 并不会对 tf.get_variable() 创建的变量有任何影响。
21. tf.name_scope() 主要是用来管理命名空间的,这样子让我们的整个模型更加
有 条 理 。 而 tf.variable_scope() 的 作 用 是 为 了 实 现 变 量 共 享 , 它 和
赵小杏儿
- 粉丝: 19
- 资源: 314
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0