tf.equal(A,B)
tf.equal(A, B)是对比这两个矩阵或者向量的相等的元素,如果是相等的那就返回True,反正返回False,返回的值的矩阵维度和A是一样的
import tensorflow as tf
import numpy as np
A = [[1,3,4,5,6]]
B = [[1,3,4,3,2]]
with tf.Session() as sess:
print(sess.run(tf.equal(A, B)))
#[[ True True True False False]]
tf.cast(x, dtype, name=None)
将x的数据格式转化成dtype.例如,原来x的数据格式是bool,
那么将其转化成float以后,就能够将其转化成0和1的序列。反之也可以
a = tf.Variable([1,0,0,1,1])
b = tf.cast(a,dtype=tf.bool)
sess = tf.Session()
sess.run(tf.initialize_all_variables())
print(sess.run(b))
#[ True False False True True]
tf.slice(inputs,begin,size,name=”)
功能概述:从inputs中抽取部分内容
- inputs:可以是list,array,tensor
- begin:n维列表,begin[i]
size:n维列表,size[i]表示要抽取的第i维元素的数目
有几个关系式如下:
(1) i in [0,n]
(2) tf.shape(inputs)[0]=len(begin)=len(size)
(3) begin[i]>=0 抽取第i维元素的起始位置要大于等于0
(4) begin[i]+size[i]<=tf.shape(inputs)[i]
示例:
import tensorflow as tf
import numpy as np
x=[[1,2,3],[4,5,6]]
y=np.arange(24).reshape([2,3,4])
z=tf.constant([[[1,2,3],[4,5,6]], [[7,8,9],[10,11,12]], [[13,14,15],[16,17,18]]]
sess=tf.Session()
begin_x=[1,0] #第一个1,决定了从x的第二行[4,5,6]开始,第二个0,决定了从[4,5,6] 中的4开始抽取
size_x=[1,2] # 第一个1决定了,从第二行以起始位置抽取1行,也就是只抽取[4,5,6] 这一行,在这一行中从4开始抽取2个元素
out=tf.slice(x,begin_x,size_x)
print sess.run(out) # 结果:[[4 5]]
begin_y=[1,0,0]
size_y=[1,2,3]
out=tf.slice(y,begin_y,size_y)
print sess.run(out) # 结果:[[[12 13 14] [16 17 18]]]
begin_z=[0,1,1]
size_z=[-1,1,2]
out=tf.slice(z,begin_z,size_z)
print sess.run(out) # size[i]=-1 表示第i维从begin[i]剩余的元素都要被抽取,结果:[[[ 5 6]] [[11 12]] [[17 18]]]
tf.placeholder(dtype, shape=None, name=None)
功能概述:此函数可以理解为形参,用于定义过程,在执行的时候再赋具体的值.中文意思是占位符,运行时必须传入值,否则会报错。
参数:
- dtype:数据类型。常用的是tf.float32,tf.float64等数值类型
- shape:数据形状。默认是None,就是一维值,也可以是多维,比如[2,3], [None, 3]表示列是3,行不定
- name:名称。
返回:
Tensor张量
示例:
x = tf.placeholder(tf.float32, shape=(1024, 1024))
y = tf.matmul(x, x)
with tf.Session() as sess:
print(sess.run(y)) # ERROR: 此处x还没有赋值.
rand_array = np.random.rand(1024, 1024)
print(sess.run(y, feed_dict={x: rand_array})) # Will succeed.
或者
# 定义placeholder
input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
# 定义乘法运算
output = tf.multiply(input1, input2)
# 通过session执行乘法运行
with tf.Session() as sess:
# 执行时要传入placeholder的值
print sess.run(output, feed_dict = {input1:[7.], input2: [2.]})