TensorFlow中用于评估模型在训练集和测试集上的准确度的几个常用函数说明 - 好文

1. tf.argmax() | tf.argmin()

tf.argmax(input=tensor,dimention=axis)
找到给定的张量tensor中在指定轴axis上的最大值/最小值的位置。
a=tf.get_variable(name='a', shape=[3,4], dtype=tf.float32,
initializer=tf.random_uniform_initializer(minval=-1,maxval=1))
b=tf.argmax(input=a,dimension=0) c=tf.argmax(input=a,dimension=1) sess =
tf.InteractiveSession() sess.run(tf.global_variables_initializer())
print(sess.run(a))#[[ 0.04261756 -0.34297419 -0.87816691 -0.15430689] # [
0.18663144 0.86972666 -0.06103253 0.38307118] # [ 0.84588599 -0.45432305
-0.39736366 0.38526249]] print(sess.run(b)) #[2 1 1 2] print(sess.run(c)) #[0 1
0]
2. tf.equal()

tf.equal(x, y, name=None):
判断两个tensor是否每个元素都相等。返回一个格式为bool的tensor

* 参数：

* x: 一个tensor. 必须是以下类型：half, float32, float64, uint8, int8, int16, int32,
int64, complex64, quint8, qint8, qint32, string, bool, complex128
* y: 一个tensor. 必须与x 的数据类型一致。
* name: 自定义操作的名称 (可选)。 import tensorflow as tf A = tf.constant([1, 3, 4, 5, 6
]) B = tf.constant([1, 3, 4, 3, 2]) with tf.Session() as sess:
print(sess.run(tf.equal(A, B)))# 输出[ True True True False False]
3. tf.cast()

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.InteractiveSession() sess.run(tf.initialize_all_variables())
print(sess.run(b))#[ True False False True True]
4. tf.reduce_mean()

tf.reduce_mean(input_tensor, axis=None, keep_dims=False, name=None,
reduction_indices=None)

*
参数说明:

* input_tensor: 需要求平均值的张量。应该存在数字类型。
* axis: 需要求平均值的维度. 如果没有设置（默认情况），所有的维度都会被减值。
* keep_dims: 如果为真，维持减少的维度长度为1..
* name: 操作的名字(可选值).
* reduction_indices: 旧的axis参数的名字(已弃用)
*
可跨越维度的计算张量各元素的平均值。

*
根据给出的axis在input_tensor上求平均值。除非keep_dims为真，axis中的每个的张量秩会减少1。如果keep_dims为真，求平均值的维度的长度都会保持为1.
* 如果不设置axis，所有维度上的元素都会被求平均值，并且只会返回一个只有一个元素的张量。 x = [[1., 1.] [2., 2.]]
tf.reduce_mean(x)# ==> 1.5 tf.reduce_mean(x, 0) # ==> [1.5, 1.5]
tf.reduce_mean(x,1) # ==> [1., 2.]
参考链接

* https://blog.csdn.net/gangeqian2/article/details/79407750
<https://blog.csdn.net/gangeqian2/article/details/79407750>（Tensorflow常用函数汇总）

热门工具换一换