最近在學習tensorflow2.0的時候看到一些特別好用的高階函式，這裡來記錄一下它們的用法
1.tf.gather()
tf.gather(params,indices,validate_indices=none,name=none,axis=0)
簡單的理解一下，首先傳入乙個需要處理的張量，然後傳入對他的選擇操作，也就是乙個索引張量。
下面舉個例子：
考慮班級成績冊的例子，共有 4 個班級，每個班級 35 個學生，8 門科目，儲存成績冊的張量 shape 為[4,35,8]。
#建立成績冊
record=tf.random.uniform([4,35,8],maxval=100)
record.numpy
如果現在需要收集第 1，2 兩個班級的成績冊，我們可以通過切片操作
record1_2=record[0:2]
record1_2.numpy
也可以使用tf.gather()得到一樣的結果
#從第乙個維度（班級）選擇前兩個班級
record1_2=tf.gather(record,[0,1],axis=0)
record1_2.numpy
但是換個要求，需要抽查所有班級的第 1,4,9,12,13,27 號同學的成績，這時候用切片就不好得到結果了，用gather還是很容易的
#從第二個維度（學生）抽取
score=tf.gather(record,[0,3,8,11,12,26],axis=1)
score.numpy
2.tf.gather_nd()
通過 tf.gather_nd()，可以通過指定每次取樣的座標來實現取樣多個點的目的
例子：得到班級 1，學生 1 的科目 2；班級 2，學生 2 的科目 3；班級 3，學生 3 的科目 4 的成績
score=tf.gather_nd(record,[[0,0,1],[1,1,2],[2,2,3]])
score.numpy
3.tf.scatter_nd()
通過 tf.scatter_nd(indices, updates, shape)可以高效地重新整理張量的部分資料，但是只能在全 0 張量的白板上面重新整理，因此可能需要結合其他操作來實現現有張量的資料重新整理功能。
#需要重新整理的位置
indices = tf.constant([[4], [3], [1], [7]])
# 構造需要寫入的資料
updates = tf.constant([4.4, 3.3, 1.1, 7.7])
# 在長度為 8 的全 0 向量上根據 indices 寫入 updates
tf.scatter_nd(indices, updates, [8])
4.tf.meshgrid()
通過 tf.meshgrid 可以方便地生成二維網格取樣點座標,或者可以理解成為了滿足矩陣相乘，把x按行重複y的列次,y按列重複x的行次（廣播機制）
例子：實現
z=sin(x2+y2)x2+y2 z=\frac
z= x
2+y
2sin(x
2+y 2)
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import axes3d
plt.rcparams['axes.unicode_minus']=false
x = tf.linspace(-8.,8,100) # 設定 x 座標的間隔
y = tf.linspace(-8.,8,100) # 設定 y 座標的間隔
x,y = tf.meshgrid(x,y) # 生成網格點，並拆分後返回
print(x.shape,y.shape) # 列印拆分後的所有點的 x,y 座標張量 shape
z = tf.sqrt(x**2+y**2)
z = tf.sin(z)/z # sinc 函式實現
fig = plt.figure()
ax = axes3d(fig)
# 根據網格點繪製 sinc 函式 3d 曲面
ax.contour3d(x.numpy(), y.numpy(), z.numpy(), 50)
plt.show()
或者來個簡單的例子更能體現它的變換
x=tf.constant([1,2,3])
y=tf.constant([3,4,5])
x,y = tf.meshgrid(x,y)
print(x.numpy,y.numpy)
這樣meshgrid的作用就一目了然
Tensorflow2 0簡單應用 一
我是初學者 參考 1.匯入tf.keras tensorflow2推薦使用keras構建網路，常見的神經網路都包含在keras.layer中 最新的tf.keras的版本可能和keras不同 import tensorflow as tf from tensorflow.keras import l...
tensorflow2 0視訊記憶體設定
遇到乙個問題 新買顯示卡視訊記憶體8g但是tensorflow執行的時候介面顯示只有約6.3g的視訊記憶體可用，如下圖 即限制了我的視訊記憶體，具體原因為什麼我也不知道，但原來的視訊記憶體小一些的顯示卡就沒有這個問題。目前的解決辦法是 官方文件解決 然後對應的中文部落格 總結一下，就是下面的兩個辦法...
Tensorflow2 0 啟用函式
常用啟用函式及對應特點 神經網路結構的輸出為所有輸入的加權和，這導致整個神經網路是乙個線性模型。而線性模型不能解決異或問題，且面對多分類問題，也顯得束手無策。所以為了解決非線性的分類或回歸問題，啟用函式必須是非線性函式。神經網路中啟用函式的主要作用是提供網路的非線性建模能力。這是因為反向傳播演算法就...