当前位置：网站首页>TensorFlow学习记录（三）：高阶操作 ＆ 神经网络与全连接层

TensorFlow学习记录（三）：高阶操作 ＆ 神经网络与全连接层

2022-08-04 11:57:00 【狸狸Arina】

文章目录

1. 高阶操作

1.1 合并与分割

  • concat
    在这里插入图片描述
  • stack
    在这里插入图片描述
    在这里插入图片描述
  • Unstack
    在这里插入图片描述
  • Split
    在这里插入图片描述

1.2 数据统计

  • tf.norm
    在这里插入图片描述
  • L1 Norm
    在这里插入图片描述
  • reduce_min/max/mean (reduce，意思是提醒我们维度会降低)
    在这里插入图片描述
  • argmax/argmin
    在这里插入图片描述
  • tf.equal
    在这里插入图片描述
  • tf.unique
    在这里插入图片描述

1.3 张量排序

  • Sort, argsort
    在这里插入图片描述
    在这里插入图片描述
  • Top_k
    在这里插入图片描述

1.4 填充与复制

  • Pad
    在这里插入图片描述
    在这里插入图片描述
  • tile
    在这里插入图片描述
  • tile VS broadcast_to
    在这里插入图片描述

1.5 张量限幅

  • clip_by_value
    在这里插入图片描述
  • relu
    在这里插入图片描述
  • clip_by_norm
    在这里插入图片描述

1.6 高阶特性

  • where
    在这里插入图片描述
    在这里插入图片描述
  • scatter_nd
    在这里插入图片描述
    在这里插入图片描述
  • meshgrid
    在这里插入图片描述
    在这里插入图片描述

2. 神经网络与全连接层

2.1 全连接层

  • Fully connected layer
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
  • Sequential
    在这里插入图片描述

2.2 输出方式

  • tf.sigmoid
    在这里插入图片描述
  • softmax
    在这里插入图片描述
  • tanh
    在这里插入图片描述

2.3 损失函数

  • MSE
    在这里插入图片描述
  • Categorical Cross Entropy
    在这里插入图片描述
    在这里插入图片描述
原网站

版权声明
本文为[狸狸Arina]所创，转载请带上原文链接，感谢
https://blog.csdn.net/weixin_45013904/article/details/126153083

边栏推荐

猜你喜欢

随机推荐