10 - 数据统计

1个月前 63次点击 来自 TensorFlow

收录专题: TensorFlow入门笔记

1.tf.norm

一范数

L1范数,表示向量 x 中非零元素的绝对值之和。

二范数

L2范数 ,表示向量元素的平方和再开平方。

无穷范数

用来度量向量元素的最大值

# 二范数
a = tf.ones([2,2])
print(tf.norm(a))
print(tf.norm(a,ord=2,axis=0))
print(tf.sqrt(tf.reduce_sum(tf.square(a))))
# 一范数
print(tf.norm(a,ord=1))
print(tf.norm(a,ord=1,axis=0))
print(tf.norm(a,ord=1,axis=1))

2.reduce_min/max/mean

a = tf.random.normal([4,10])
# 全值,即把tensor打平为[40]
print(tf.reduce_min(a),tf.reduce_max(a),tf.reduce_mean(a))
# 指定参数轴
print(tf.reduce_min(a,axis=1),tf.reduce_max(a,axis=1),tf.reduce_mean(a,axis=1))

3.argmax/argmin

print(tf.argmax(a).shape)
print(tf.argmax(a))
print(tf.argmin(a).shape)
print(tf.argmin(a))

4.tf.equal

a = tf.constant([1,2,3,4,5])
b = tf.range(5)
tf.equal(a,b)
res = tf.equal(a,b)
tf.reduce_sum(tf.cast(res,dtype=tf.int32))

Accuracy

# 假定网络输出a [2,3]
a = tf.constant([[0.1,0.7,0.9],[0.9,0.05,0.05]])
# 预测输出索引
pred = tf.cast(tf.argmax(a,axis=1),dtype=tf.int32)
# 实际标签
y = tf.constant([2,1])
print(tf.equal(y,pred))
accuracy = tf.reduce_sum(tf.cast(tf.equal(y,pred),dtype=tf.int32))/2
print(accuracy)

5.tf.unique

# tf.unique用来去除重复元素
a = tf.range(5)
print(tf.unique(a))
a = tf.constant([4,2,2,4,3])
print(tf.unique(a))

还原unique数据

a = tf.constant([4, 2, 2, 4, 3])
b = tf.unique(a)
print(b)
c = tf.gather(b.y, b.idx)
print(c)
Card image cap
开发者雷

尘世间一个小小的开发者,每天增加一些无聊的知识,就不会无聊了

要加油~~~

技术文档 >> 系列应用 >>
热推应用
Let'sLearnSwift
学习Swift的入门教程
PyPie
Python is as good as Pie
标签