1.学习深度学习用tensorflow2.0更加适合，比起tensorflow1.0版本便捷不少，建议用2.0版本学习

2.介绍一些tensorflow2.0的一些基本函数

import tensorflow as tf #tensorflow常用函数 tf.cast(张量名,dtype=数据类型)#强制转换为该种数据类型 tf.reduce_min(张量名)#计算张量维度上的最小值 tf.reduce_max(张量名)#计算张量维度上的最大值 tf.reduce_mean(张量名,axis=1)#求x轴方向上的平均值 tf.reduce_sum(张量名,axis=0)#求y轴方向上的总和 #tf.Variable()函数将变量标记为“可训练的”，被标记的变量会在反向传播中记录梯度信息，在神经网络训练中，常用来标记待训练参数 tf.Variable(初始值) tf.Variable(tf.random_normal([2,2],mean=0,stddev=1)) #四则运算（只有维度相同的张量才能做四則运算） tf.add()#加 tf.subtract()#减 tf.multiply()#乘 tf.divide()#除 tf.square()#平方 tf.pow()#次方 tf.sqrt()#开方 tf.matmul()#矩阵乘法 #矩阵生成 tf.ones()全为1的矩阵 tf.fill()全为某个值的矩阵 #常用函数 #tf.data.Dataset.from_tensor_slices 输入特征值和目标值配对上，例如： feature=tf.constant([12,23,34,45]) label=tf.constant([0,1,1,0]) data=tf.data.Dataset.from_tensor_slices(feature,label) #enumerate函数 #enumerate是python的内置函数，他可以遍历每个元素（如列表，与元组或字符串）输出他们的索引和元素常在循环中使用 #输出索引，元素 seq=["one","two","three"] for i,element in enumerate(seq): print(i,element) import numpy as np with tf.GradientTape() as tape:#with结构记录计算过程，gradient求出张量的梯度 w=tf.Variable(tf.constant(3.0))#初始化变量w loss=tf.pow(w,2)#损失函数为w^2 grad=tape.gradient(loss,w)#对w进行求导 tf.print(grad)#输出结果 #one-hot编码 #tf.one_hot(待转换的数据，depth=分几类) labels=tf.constant([1,0,2]) output=tf.one_hot(labels,3) print(output) #softmax函数 tf.nn.softmax()使输出符合概率分布 y=tf.constant([1.01,2.01,-0.66]) y_label=tf.nn.softmax(y) print(y_label) #assign_sub函数（更新经过tf.Variable定义过的变量） w=tf.Variable(4) w.assign_sub(1)#进行w=w-1操作 print(w) #tf.argmax/tf.argmax返回张量沿指定最大值/最小值的索引tf.argmax(张量名，axis=方向) test=np.array([[1,2,3],[21,8,9],[9,5,4]]) print(test) print(tf.argmax(test,axis=0))#输出y轴方向最大值的索引 print(tf.argmax(test,axis=1))#输出x轴方向最小值的索引

后期其他的函数会继续补充的。