TensorFlow學習日記40

1.tf.summary.scalar
解析：一般在畫loss、accuary時會用到這個函數。

2.tf.summary.histogram
解析： tf.summary.histogram(tags, values, collections=None, name=None)，一般用來顯示訓練過程中變量的分佈情況。

3.tf.summary.distribution
解析：一般用於顯示weights分佈。

4.tf.summary.text
解析：可以將文本類型的數據轉換爲tensor寫入summary中。

5.tf.summary.merge_all
解析：merge_all可以將所有summary全部保存到磁盤，以便tensorboard顯示。

6.tf.summary.FileWriter
解析：tf.summary.FileWritter(path,sess.graph)，指定一個文件用來保存圖。

7.tf.summary.merge
解析：tf.summary.merge(inputs, collections=None, name=None)
說明：TensorBoard相關操作還有tf.summary.image、tf.summary.audio等。

8.tf.name_scope()
解析：爲Graph中的Tensor添加層級，TensorBoard會按照代碼指定的層級進行展示，初始狀態下只繪製最高層級的效果，點擊後可展開層級看到下一層的細節。

9.tf.square()
解析：對裏面的每一個元素求平方。

10.tf.reduce_sum()函數
解析：用於計算張量tensor沿着某一維度的和，如下所示：

tf.reduce_sum(
    input_tensor, 
    axis=None, 
    keepdims=None,
    name=None,
    reduction_indices=None, 
    keep_dims=None)

[1]input_tensor：待求和的tensor
[2]axis：指定的維，如果不指定，則計算所有元素的總和
[3]keepdims：是否保持原有張量的維度，設置爲True，結果保持輸入tensor的形狀，設置爲False，結果會降低維度，如果不傳入這個參數，則系統默認爲False
[4]name：操作的名稱
[5]reduction_indices：在以前版本中用來指定軸，已棄用
[6]keep_dims：在以前版本中用來設置是否保持原張量的維度，已棄用

11.tf.reduce_sum()例子
解析：假如tensor的維度爲234：

[[[ 1   2   3   4]
  [ 5   6   7   8]
  [ 9   10 11 12]],
 [[ 13  14 15 16]
  [ 17  18 19 20]
  [ 21  22 23 24]]]

tf.reduce_sum(tensor, axis=0)按第一個維度進行求和：

[[1+13   2+14   3+15 4+16]
 [5+17   6+18   7+19 8+20]
 [9+21 10+22 11+23 12+24]]

如果axis=1，那麼求和結果shape是2*4：

[[ 1 + 5 + 9   2 + 6+10   3 + 7+11   4 + 8+12]
 [13+17+21     14+18+22   15+19+23   16+20+24]]

如果axis=2，那麼求和結果shape是2*3：

[[1+2+3+4          5+6+7+8          9+10+11+12]
 [13+14+15+16      17+18+19+20      1+22+23+24]]

12.tf.reduce_mean()
解析：tf.reduce_mean()函數用於計算張量tensor沿着指定的數軸上的平均值。

參考文獻：
[1]
[2]
[3]
[4]
[5]