1. 打印tensor值

    1
    2
    3
    4
    import tensorflow as tf
    x = tf.constant(1)
    with tf.Session() as sess:
        print sess.run(x)

  2. 矩阵加和
    tf.reduce_sum(input_tenosr, reduction_indices, keep_dims, name)

    1
    2
    3
    4
    5
    6
    7
    x = [[1,1,1], [1,1,1]]

    tf.reduce_sum(x) # 6
    tf.reduce_sum(x,0) # [2,2,2]
    tf.reduce_sum(x,1) # [3,3]
    tf.reduce_sum(x,1, keep_dims=True) # [[3],[3]]
    tf.reduce_sum(x,[0,1]) # 6

  3. 获取中间某一层的输出

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    from keras.models import Model

    model = Sequential()
    model.add(Dense(32, activation='relu', input_dim=100))
    model.add(Dense(16, activation='relu',name="Dense_1"))
    model.add(Dense(1, activation='sigmoid',name="Dense_2"))

    model.compile(optimizer='rmsprop',
                loss='binary_crossentropy',
                metrics=['accuracy'])

    model.fit(data, labels, epochs=10, batch_size=32)

    # 已有的model在load权重过后
    # 取某一层的输出为输出新建为model，采用函数模型
    dense1_layer_model = Model(inputs=model.input,
    	outputs=model.get_layer('Dense_1').output)

    # layer_model = Model(inputs=model.input, outputs=model.layers[6].output)

    #以这个model的预测值作为输出
    dense1_output = dense1_layer_model.predict(data)

  4. 矩阵上下三角

    • tf.matrix_band_part

    • 2.0版本： tf.linalg.band_par

      1
      2
      3
      4
      5
      6
      tf.linalg.band_part(
          input,
          num_lower,
          num_upper,
          name=None
      )

      作用：主要功能是以对角线为中心，取它的副对角线部分，其他部分用0填充。
      input:输入的张量.
      num_lower:下三角矩阵保留的副对角线数量，从主对角线开始计算，相当于下三角的带宽。取值为负数时，则全部保留。
      num_upper:上三角矩阵保留的副对角线数量，从主对角线开始计算，相当于上三角的带宽。取值为负数时，则全部保留。

  5. 张量扩充
    tf.tile(raw, multiples=[2, 1])

  6. 查看gpu
    tf.test.is_gpu_available()