在这里插入图片描述
tf.nn.relu(features, name = None)
import tensorflow as tf
a = tf.constant([-1.0, 2.0])
with tf.Session() as sess:
b = tf.nn.relu(a)
print(sess.run(b))
# [0. 2.]
输入参数:● features: 一个Tensor。数据类型必须是:float32,float64,int32,int64,uint8,int16,int8。● name: (可选)为这个操作取一个名字。
输出参数:● 一个Tensor,数据类型和features相同。
tf.sigmoid(x, name = None)
import tensorflow as tf
a = tf.constant([[-1.0, -2.0], [1.0, 2.0], [0.0, 0.0]])
sess = tf.Session()
print(sess.run(tf.sigmoid(a)))
# [[ 0.26894143 0.11920292]
# [ 0.7310586 0.88079703]
# [ 0.5 0.5 ]]
输入参数:● x: 一个Tensor。数据类型必须是float,double,int32,complex64,int64或者qint32。● name: (可选)为这个操作取一个名字。
输出参数:● 一个Tensor,如果 x.dtype != qint32 ,那么返回的数据类型和x相同,否则返回的数据类型是 quint8
tf.tanh(x, name = None)
import tensorflow as tf
a = tf.constant([[-1.0, -2.0], [1.0, 2.0], [0.0, 0.0]])
sess = tf.Session()
print(sess.run(tf.tanh(a)))
# [[-0.76159418 -0.96402758]
# [ 0.76159418 0.96402758]
# [ 0. 0. ]]
输入参数:● x: 一个Tensor。数据类型必须是float,double,int32,complex64,int64或者qint32。● name: (可选)为这个操作取一个名字。
输出参数:● 一个Tensor,如果 x.dtype != qint32 ,那么返回的数据类型和x相同,否则返回的数据类型是 quint8 .
tf.nn.dropout(x, keep_prob, noise_shape = None, seed = None, name = None)
import tensorflow as tf
# tf.nn.dropout(x, keep_prob, noise_shape = None, seed = None, name = None)
a = tf.constant([[-1.0, 2.0, 3.0, 4.0]])
with tf.Session() as sess:
b = tf.nn.dropout(a, 0.5, noise_shape=[1, 4]) # 第0维相互独立,第1维相互独立
print(sess.run(b))
b = tf.nn.dropout(a, 0.5, noise_shape=[1, 1]) # 第0维相互独立,第1维不是相互独立的
print(sess.run(b))
# 第一次
# [[-0. 4. 0. 0.]]
# [[-2. 4. 6. 8.]]
# 第二次
# [[-2. 0. 6. 8.]]
# [[-0. 0. 0. 0.]]
输入参数:● x: 一个Tensor。● keep_prob: 一个 Python 的 float 类型。表示元素是否放电的概率。● noise_shape: 一个一维的Tensor,数据类型是int32。代表元素是否独立的标志。● seed: 一个Python的整数类型。设置随机种子。● name: (可选)为这个操作取一个名字。
输出参数:● 一个Tensor,数据维度和x相同。
异常:● 输入异常: 如果 keep_prob 不是在(0, 1]区间,那么会提示错误。