tensorflow中tf.maximum,tf.minimum,tf.argmax,tf.argmain的對比
tf.maximum:用法tf.maximum(a,b),返回的是a,b之間的最大值,
tf.miniimum:用法tf.miiinimum(a,b),返回的是a,b之間的最小值,
tf.argmax:用法tf.argmax(a,dimension),返回的是a中的某個維度最大值的索引,
tf.argmain:用法tf.argmin(a,dimension),返回的是a中的某個維度最小值的索引,
例如:
結果:import tensorflow as tf; a = [1,5,3] f1 = tf.maximum(a, 3) f2 = tf.minimum(a, 3) f3 = tf.argmax(a, 0) f4 = tf.argmin(a, 0) with tf.Session() as sess: print sess.run(f1)#print f1.eval() print sess.run(f2) print sess.run(f3) print sess.run(f4)
[3 5 3]
[1 3 3]
1
0
相關推薦
對tensorflow中張量tensor的理解與tf.argmax()函式的用法
對tensorflow中張量tensor的理解: 一維張量: 如a=[1., 2., 3., 0., 9., ],其shape為(5,),故當我們選擇維度0時(張量的維度總是從第0個維度開始),實際上是在a的最外層括號上進行操作。 我們畫圖來表示: 二維張量: 如b=[
tensorflow中tf.maximum,tf.minimum,tf.argmax,tf.argmain的對比
tf.maximum:用法tf.maximum(a,b),返回的是a,b之間的最大值, tf.miniimum:用法tf.miiinimum(a,b),返回的是a,b之間的最小值, tf.argmax:用法tf.argmax(a,dimension),返回的是a中的某個維度
TensorFlow 中的 tf.train.exponential_decay() 指數衰減法
exponential_decay(learning_rate, global_step, decay_steps, decay_rate, staircase=False, name=None) 使用方式為 tf.train.exponential_decay( ) 在 Tenso
【TF】tensorflow 中 tf.app.run() 什麼意思?
tensorflow的程式中,在main函式下,都是使用tf.app.run()來啟動 檢視原始碼可知,該函式是用來處理flag解析,然後執行main函式,那麼flag解析是什麼意思呢?諸如這樣的: # tensorflow/tensorflow/python/platform/d
tensorflow中讀取模型中儲存的值, tf.train.NewCheckpointReader
使用tf.trian.NewCheckpointReader(model_dir) 一個標準的模型檔案有一下檔案, model_dir就是MyModel(沒有後綴) checkpoint Model.meta Model.data-00000-of-00001 Model.index
tensorflow中的tf.train.batch詳解
官方文件連結:https://tensorflow.google.cn/versions/r1.8/api_docs/python/tf/train/batch tf.train.batch( tensors, batch_size, num_threads=1,
tensorflow中的tf.initialize_local_variables/tf.global_variables_initializer/initialize_all_variables
使用TensorFlow的時候定義了變數之後還需要初始化之後才能使用,不然會報錯:Attempting to use uninitialized value,下面介紹TensorFlow中常用的幾種初始化操作 1、tf.global_variable_initializer 官方介紹地址
Tensorflow 中tf.shape(a)和a.get_shape()的區別
一、tf.shape(a) 和 a.get_shape()比較 相同點:都可以得到tensor a 的尺寸 不同點:tf.shape(a)中a資料的型別可以是tensor,list,array,而a.get_shape()中的a的資料型別必須是tensor,且返回的是一個t
Tensorflow中的tf.layers.batch_normalization()用法
使用tf.layers.batch_normalization()需要三步: 在卷積層將啟用函式設定為None。 使用batch_normalization。 使用啟用函式啟用。 需要特別注意的是:在訓練時,需要將第二個引數training = True
tensorflow中tf.random_normal和tf.truncated_normal的區別
tensorflow中tf.random_normal和tf.truncated_normal的區別 原創 2017年06月24日 15:31:01 9322 1、tf.truncated_normal使用方法 tf
Tensorflow中tf.layers.dense()在RNN網路搭建中的使用
一般來說,tf.layers.dense()多用於CNN網路搭建時搭建全連線層使用。 但在RNN網路搭建,特別是涉及到用RNN做分類時,tf.layers.dense()可以用作RNN分類預測輸出。 分類預測輸出一般形式: 其中n_hidden為RNN cell的uni
TensorFlow走過的坑之---資料讀取和tf中batch的使用方法
首先介紹資料讀取問題,現在TensorFlow官方推薦的資料讀取方法是使用tf.data.Dataset,具體的細節不在這裡贅述,看官方文件更清楚,這裡主要記錄一下官方文件沒有提到的坑,以示"後人"。因為是記錄踩過的坑,所以行文混亂,見諒。 I 問題背景 不感興趣的可跳過此節。 最近在研究ENAS的程式
TensorFlow中tf.concat的用法
tf.concat是連線兩個矩陣的操作 tf.concat(concat_dim, values, name='concat') 除去name引數用以指定該操作的name,與方法有關的一共兩個引數: 第一個引數concat_dim:必須是一個數,表明在哪一維上連
tensorflow中協調器 tf.train.Coordinator 和入隊執行緒啟動器 tf.train.start_queue_runners
TensorFlow的Session物件是支援多執行緒的,可以在同一個會話(Session)中建立多個執行緒,並行執行。在Session中的所有執行緒都必須能被同步終止,異常必須能被正確捕獲並報告,會話終止的時候, 佇列必須能被正確地關閉。TensorFlow提供了兩個類來實
TensorFlow中張量轉置操作tf.cast/tf.dtypes.cast用法詳解
一、環境 TensorFlow API r1.12 CUDA 9.2 V9.2.148 Python 3.6.3 二、官方說明 tf.cast 或 tf.dtypes.cast 將輸入張量轉換資料型別 tf.dtypes.cast( x, dtype,
TensorFlow中張量轉置操作tf.transpose用法詳解
一、環境 TensorFlow API r1.12 CUDA 9.2 V9.2.148 Python 3.6.3 二、官方說明 對張量按照指定的排列維度進行轉置 tf.transpose( a, perm=None, name='transpose',
TensorFlow中張量連線操作tf.concat用法詳解
一、環境 TensorFlow API r1.12 CUDA 9.2 V9.2.148 Python 3.6.3 二、官方說明 按指定軸(axis)進行張量連線操作(Concatenates Tensors) tf.concat( values, axis,
tensorflow中讀取模型中儲存的值, tf.train.NewCheckpointReader
使用tf.trian.NewCheckpointReader(model_dir) 一個標準的模型檔案有一下檔案, model_dir就是MyModel(沒有後綴) checkpoint Model.meta Model.data-00000-of-00001
TensorFlow中張量轉置操作tf.expand_dims用法詳解
一、環境 TensorFlow API r1.12 CUDA 9.2 V9.2.148 cudnn64_7.dll Python 3.6.3 Windows 10 二、官方說明 給輸入張量的形狀增加1個維度 https://www.tensorflow.org/api
TensorFlow中張量轉置操作tf.expand_dims用法
一、環境 TensorFlow API r1.12 CUDA 9.2 V9.2.148 cudnn64_7.dll Python 3.6.3 Windows 10 二、官方說明 給輸入張量的形狀增加1個維度 https://www.tensorflow.org/api