tf常用函式使用

tf常用函式使用

tf.equal(a, b)是對比這兩個矩陣或者向量的相等的元素，如果是相等的那就返回true，反正返回false，返回的值的矩陣維度和a是一樣的

import tensorflow as tf

import numpy as np
a = [[1,3,4,5,6]]
b = [[1,3,4,3,2]]
with tf.session() as sess:
print(sess.run(tf.equal(a, b)))

[[ true  true  true false false]]

cast(

x,dtype,
name=none
)

那麼將其轉化成float以後，就能夠將其轉化成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.session()
sess.run(tf.initialize_all_variables())
print(sess.run(b))
#[ true false false  true  true

tf.argmax(input,axis)根據axis取值的不同返回每行或者每列最大值的索引。

test = np.array([[1, 2, 3], [2, 3, 4], [5, 4, 3], [8, 7, 2]])

np.argmax(test, 0)　　　＃輸出：array([3, 3, 1]
np.argmax(test, 1)　　　＃輸出：array([2, 2, 0, 0]123

axis=0時比較每一列的元素，將每一列最大元素所在的索引記錄下來，最後輸出每一列最大元素所在的索引陣列。

test[0] = array([1, 2, 3])

test[1] = array([2, 3, 4])
test[2] = array([5, 4, 3])
test[3] = array([8, 7, 2])
# output   :    [3, 3, 1]

axis=1的時候，將每一行最大元素所在的索引記錄下來，最後返回每一行最大元素所在的索引陣列。

test[0] = array([1, 2, 3])  #2

test[1] = array([2, 3, 4])  #2
test[2] = array([5, 4, 3])  #0
test[3] = array([8, 7, 2])  #0

當不一致的時候，axis=0的比較也就變成了每個陣列的和的比較。

4.accuracy.eval

eval() 是tf.tensor的session.run() 的另外一種寫法。

with tf.session() as sess:

print(accuracy.eval())

with tf.session() as sess:

print(sess.run(accuracy, ))

tf中的常用類和函式

geometry msgs posestamped 訊息簡介 內容包括序列號 時間戳 frameid 位姿 點表示位置和四元數表示姿態 tf transform和tf pose完全一樣，就是乙個typedef 類簡介 儲存了3 3旋轉矩陣和3 1平移向量。tf stampedtransform 類簡...

TF庫的使用

1 tf不是座標變換那麼簡單。很多小夥伴認為tf的作用是便捷的進行座標變換。這個沒錯，但沒這麼簡單。在很多api中，存在著 target frame，source frame，parent frame，child frame 這些名字的引數。看起來很讓人糊塗，也很讓讓人煩，但裡面隱藏著很多資訊。so...

tf的pad函式（填充）

今天用到pad函式，看文件看了老半天，後面終於弄懂了。以下是本人的理解總結 文件的內容 t is 1,2,3 4,5,6 paddings is 1,1,2,2 constant values is 0.rank of t is 2.pad t,paddings,constant 0,0,0,0,0...