**

一 tf.nn.relu( )函数

**
tf.nn.relu( )激活函数可以将小于0的数据变成0,大于0的数据保持不变.

In [2]: a = tf.constant([-1,-2,0,1,2])                                                                                                                                                                      In [3]: a
Out[3]: <tf.Tensor: id=0, shape=(5,), dtype=int32, numpy=array([-1, -2,  0,  1,  2], dtype=int32)>In [4]: tf.nn.relu(a)
Out[4]: <tf.Tensor: id=2, shape=(5,), dtype=int32, numpy=array([0, 0, 0, 1, 2], dtype=int32)>

**

二 tf.sigmoid( )函数

**
tf.sogmid( )函数可以将数据转换范围到[0,1]

In [12]: a = tf.cast(tf.constant([-2,-1,0,1,2]),dtype=tf.float32)                                                                                                                                           In [13]: a
Out[13]: <tf.Tensor: id=10, shape=(5,), dtype=float32, numpy=array([-2., -1.,  0.,  1.,  2.], dtype=float32)>In [14]: tf.sigmoid(a)
Out[14]:
<tf.Tensor: id=12, shape=(5,), dtype=float32, numpy=
array([0.11920292, 0.26894143, 0.5       , 0.7310586 , 0.880797  ],dtype=float32)>

**

三 tf.tanh( )函数

**
tf.tanh( )函数可以将数据转换范围到[-1,1]

In [12]: a = tf.cast(tf.constant([-2,-1,0,1,2]),dtype=tf.float32)                                                                                                                                           In [13]: a
Out[13]: <tf.Tensor: id=10, shape=(5,), dtype=float32, numpy=array([-2., -1.,  0.,  1.,  2.], dtype=float32)>In [14]: tf.sigmoid(a)
Out[14]:
<tf.Tensor: id=12, shape=(5,), dtype=float32, numpy=
array([0.11920292, 0.26894143, 0.5       , 0.7310586 , 0.880797  ],dtype=float32)>In [15]: tf.tanh(a)
Out[15]:
<tf.Tensor: id=14, shape=(5,), dtype=float32, numpy=
array([-0.9640276, -0.7615942,  0.       ,  0.7615942,  0.9640276],dtype=float32)>

**

四 tf.nn.softmax( )函数

**
tf.nn.softmax( )函数将输出的数据转换为概率,使得相加概率总和为1,适用于分类.

In [12]: a = tf.cast(tf.constant([-2,-1,0,1,2]),dtype=tf.float32)                                                                                                                                           In [13]: a
Out[13]: <tf.Tensor: id=10, shape=(5,), dtype=float32, numpy=array([-2., -1.,  0.,  1.,  2.], dtype=float32)>In [14]: tf.sigmoid(a)
Out[14]:
<tf.Tensor: id=12, shape=(5,), dtype=float32, numpy=
array([0.11920292, 0.26894143, 0.5       , 0.7310586 , 0.880797  ],dtype=float32)>In [15]: tf.tanh(a)
Out[15]:
<tf.Tensor: id=14, shape=(5,), dtype=float32, numpy=
array([-0.9640276, -0.7615942,  0.       ,  0.7615942,  0.9640276],dtype=float32)>In [17]: tf.nn.softmax(a)
Out[17]:
<tf.Tensor: id=16, shape=(5,), dtype=float32, numpy=
array([0.01165623, 0.03168492, 0.08612854, 0.23412165, 0.6364086 ],dtype=float32)>

TensorFlow2.0:常用数据范围压缩函数相关推荐

  1. 【TensorFlow2.0】数据读取与使用方式

    大家好,这是专栏<TensorFlow2.0>的第三篇文章,讲述如何使用TensorFlow2.0读取和使用自己的数据集. 如果您正在学习计算机视觉,无论你通过书籍还是视频学习,大部分的教 ...

  2. 金蝶K3 V12.0 常用数据表(整理)

    金蝶K3WISE常用数据表(整理) 在后台数据库ICClassType表中,字段FID<0的是老单,FID>0的是新单. ----------------系统设置------------- ...

  3. 《自然语言处理实战入门》 深度学习组件TensorFlow2.0 ---- 文本数据建模流程

    文章大纲 一,准备数据 二,定义模型 三,训练模型 四,评估模型 五,使用模型 六,保存模型 参考文献 文本处理的建模流程,使用清华发布的新闻分类数据集: 中文文本分类数据集THUCNews THUC ...

  4. internetreadfile读取数据长度为0_【完结】TensorFlow2.0 快速上手手册

    大家好,这是专栏<TensorFlow2.0>的第五篇文章,我们对专栏<TensorFlow2.0>进行一个总结. 我们知道全新的TensorFlow2.0 Alpha已经于2 ...

  5. 【TensorFlow2.0】如何搭建网络模型?

    大家好,这是专栏<TensorFlow2.0>的第四篇文章,讲述网络模型的搭建. 我们知道在不考虑输入层的情况下,一个典型的卷积神经网络通常由若干个卷积层.激活层.池化层及全连接层组成,无 ...

  6. 【深度学习】利用tensorflow2.0卷积神经网络进行卫星图片分类实例操作详解

    本文的应用场景是对于卫星图片数据的分类,图片总共1400张,分为airplane和lake两类,也就是一个二分类的问题,所有的图片已经分别放置在2_class文件夹下的两个子文件夹中.下面将从这个实例 ...

  7. 《30天吃掉那只 TensorFlow2.0》 1-4 时间序列数据建模流程范例 (国内新冠疫情结束时间预测问题)

    1-4 时间序列数据建模流程范例 (国内新冠疫情结束时间预测问题) 文章目录 1-4 时间序列数据建模流程范例 (国内新冠疫情结束时间预测问题) 一,准备数据 二,定义模型 三,训练模型 四,评估模型 ...

  8. 【TensorFlow2.0】(6) 数据统计,范数、最值、求和、均值、最值位置、唯一值、张量比较

    各位同学好,今天和大家分享一下TensorFlow2.0中的数据分析操作.内容有: (1)范数 tf.norm():(2)最值 tf.reduce_min(), tf.reduce_max()(3)求 ...

  9. tensorflow2.0中valid_data的作用是在训练的过程对对比训练数据与测试数据的准确率 损失率,便于判断模型的训练效果:是过拟合还是欠拟合(过拟合)

    tensorflow2.0中valid_data的作用是在训练的过程对对比训练数据与测试数据的准确率,便于判断模型的训练效果:是过拟合还是欠拟合 过拟合:训练数据的准确率较高而测试数据的准确率较低 欠 ...

最新文章

  1. php跳过当前后续代码,PHP用continue跳过本次循环中剩余代码的注意点
  2. mysql联表查询多记录显示_数据库:MySQL(多表的表记录的查询)(三)
  3. 早期计算机音乐创作的歌曲,14.计算机音乐创作(专业组)
  4. 【Boost】boost库中thread多线程详解10——condition条件变量
  5. 巴黎市中心降下2019年第一场雪
  6. 乒乓球十一分制比赛规则_乒乓球的基本比赛规则
  7. OpenJudge NOI 1.2 04:填空:类型转换1
  8. python中列表的常用操作
  9. mybatis插入时间_深入分析MyBatis源码
  10. JVM 性能调优实战之:一次系统性能瓶颈的寻找过程
  11. 如何用PADS打开AD的PCB文件?
  12. 推荐基于.NetCore一款高性能敏感词检测开源库
  13. public static void mian(String[]args)剖析
  14. Saltstack_使用指南11_配置管理-状态之间依赖关系
  15. 如何用计算机蓝牙发送文件,电脑怎么利用蓝牙使手机和电脑互传文件
  16. 平方逼近matlab,MATLAB上机实验——最佳平方逼近
  17. Shell脚本发送邮件(CentOS+mailx+QQ邮箱)
  18. 每日五题 -202110
  19. 03_使用scrapy框架爬取豆瓣电影TOP250
  20. 基于高德地图JsAPI进行浏览器精确定位,实现手机端考勤打卡功能

热门文章

  1. 洛谷P3144 [USACO16OPEN]关闭农场Closing the Farm_Silver
  2. Chrome之控制台使用【转载】
  3. 解决Oracle的http://localhost:1158/em页面打不开的问题
  4. 震惊:2/3 被黑的网站隐藏着后门
  5. 【BZOJ-14492895】球队收益球队预算 最小费用最大流
  6. 简单明了学习SQL CTE递归查询
  7. 【Educational Codeforces Round 48 (Rated for Div. 2) D】Vasya And The Matrix
  8. spring boot项目Intellij 打包
  9. 为bootstrap+angularJs打造的表格代码生成器
  10. javascript 获取图片原始尺寸