學(xué)習(xí)視頻

1.tf.norm
Here talks about Vector Norm

a=tf.ones([2,2]) tf.norm(a) #numpy=2.0 (1^2+1^2+1^2+1^2)^0.5=2.0 tf.sqrt(tf.reduce_sum(tf.square(a))) #numpy=2.0a=tf.ones([4,28,28,3]) tf.norm(a) #numpy=96.99484 tf.sqrt(tf.reduce_sum(tf.square(a))) #numpy=96.99484

2.L1 Norm

b=tf.ones([2,2]) tf.norm(b,ord=2,axis=1) #numpy=array([1.4142135,1.4142135]) tf.norm(b,ord=1) #numpy=4.0 1+1+1+1=4 tf.norm(b,ord=1,axis=0) #numpy=array([2.,2.]) tf.norm(b,ord=1,axis=1) #numpy=array([2.,2.])

3.reduce_min/max/mean

a=tf.random.normal([4,10]) tf.reduce_min(a),tf.reduce_max(a),tf.reduce_mean(a) #numpy=-1.1872,numpy=2.135,numpy=0.352 tf.reduce_min(a,axis=1) #numpy=array[-0.393,-1.423.-1.093,-1.136]

4.argmax/argmin

a=tf.random.normal([4,10]) tf.argmax(a).shape #TensorShape([10]) tf.argmax(a) #numpy=array([0,0,2,3,1,5,7,0,3,4]) tf.argmin(a).shape #TensorShape([10])

5.tf.equal

a=tf.constant([1,2,2,5,4]) b=range(5) b #[0,1,2,3,4] tf.equal(a,b) #numpy = array([False,False,True,False,True])res=tf.equal(a,b) tf.reduce_sum(tf.cast(res,dtype=tf.int32)) #numpy=2

6.Accuracy

a=np.array([[0.1,0.2,0.7],[0.9,0.02,0.08]]) y=np.array([1,0]) pred = tf.cast(tf.argmax(a,axis=1),dtype=int32) #numpy=array([2,0]) tf.equal(y,pred) #numpy=array([False,True]) correct=tf.reduce_sum(tf.cast(tf.equal(y,pred),dtype=int32)) #numpy=1 accuracy=correct/len(y) #numpy=0.5

7.tf.unique

a=tf.constant([4,2,2,4,3]) tf.unique(a) #numpy=array([0,1,1,0,2])

總結(jié)

以上是生活随笔為你收集整理的TensorFlow数据统计的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。