前言:
现在姐妹们对“tensorflow算子大全”大概比较重视,同学们都需要剖析一些“tensorflow算子大全”的相关资讯。那么小编在网络上收集了一些关于“tensorflow算子大全””的相关文章,希望看官们能喜欢,小伙伴们一起来了解一下吧!在之前的文章中介绍过,tensorflow框架的核心是将各式各样的神经网络抽象为一个有向无环图,图是由tensor以及tensor变换构成;
虽然现在有很多高阶API可以让开发者忽略这层抽象,但对于灵活度要求比较高的算法仍然需要开发者自定义网络图,所以建议开发者尽量先学习tf1.x中的基础概念,这样才能在深度学习道路上走得更远;
首先来看定义图时最常用的算子:
1. 常量定义
tf.constant()
2. 变量的定义
tf.Variable tf.get_variable
前者是调用构造方法创建一个新的对象,并且不能被复用 后者通过设置reuse=tf.AUTO_REUSE,优先看当前scope下面是否有符合要求的变量,有则返回这个值,没有则创建新的对象; 设置为tf.reuse=True,会抛异常,可能与版本有关系
3. 相同维度的张量,进行对应元素的加减乘除操作
tf.addtf.subtracttf.multiplytf.div
以上几个算子都支持广播,具体广播原则后面的文章中介绍
4. 矩阵的点积与转置
tf.matmultf.transpose
除了以上最基本算子之外,工程实践中常用的几个算子如下:
5. 维度变换算子
tf.reshape()
6. 维度增减算子
tf.expand_dimstf.squeeze
7. 生成符合正态分布的tensor
tf.random.normal
8. 某一维度求和
tf.reduce_sum
9. 将python中的列表或者ndarray对象转为tensor
tf.convert_to_tensor
在定义图的时候,尽量不要用+、-、*、/等符号,也尽量不要用math或者ndarray包下面的计算函数,而是应该使用tensorflow提供的计算函数,tf提供的函数还是十分全面的,即便某些比较复杂的函数没有提供,也应该用其提供的基础函数来实现。
想更进一步了解以上算子的使用DEMO可以关注并私信我;
标签: #tensorflow算子大全