发表于 2018-07-15 20:07:52   |   已被 访问: 349 次   |   分类于:   tensorflow   |   暂无评论

tf.nn.conv2d

---

conv2d(
    input,
    filter,
    strides,
    padding,
    use_cudnn_on_gpu=True,
    data_format='NHWC',
    name=None
)

tf.nn.relu

---

relu(
    features,
    name=None
)

tf.nn.max_pool

---

max_pool(
    value,
    ksize,
    strides,
    padding,
    data_format='NHWC',
    name=None
)

tf.nn.dropout

dropout(
    x,
    keep_prob,
    noise_shape=None,
    seed=None,
    name=None
)

tf.nn.sigmoid_cross_entropy_with_logits

---

功能说明：
先对 logits 通过 sigmoid 计算，再计算交叉熵

sigmoid_cross_entropy_with_logits(
    _sentinel=None,
    labels=None,
    logits=None,
    name=None
)

tf.truncated_normal

---

产生截断正态分布随机数，取值范围为 [ mean - 2 * stddev, mean + 2 * stddev ]。

truncated_normal(
    shape,
    mean=0.0,
    stddev=1.0,
    dtype=tf.float32,
    seed=None,
    name=None
)

import tensorflow as tf
initial = tf.truncated_normal(shape=[3,3], mean=0, stddev=1)
print(tf.Session().run(initial))

执行结果：
将得到一个取值范围 [ -2, 2 ] 的 3 * 3 矩阵.

tf.constant

---

功能说明：
根据 value 的值生成一个 shape 维度的常量张量

constant(
    value,
    dtype=None,
    shape=None,
    name='Const',
    verify_shape=False
)

tf.placeholder

---

功能说明：
是一种占位符，在执行时候需要为其提供数据

placeholder(
    dtype,
    shape=None,
    name=None
)