---

0. 基础用法

Tensorflow 的用法不定期更新遇到的一些用法，之前已经包含了基础用法参考这里 ，具体包含如下图的方法：

本文介绍其他常见的方法。

1. tf.cast

张量类型强制转换

官方用法：

tf.cast(x, dtype, name=None
)

示例：

x = tf.constant([1.8, 2.2], dtype=tf.float32)
print(tf.cast(x, tf.int32))# 输出
tf.Tensor([1 2], shape=(2,), dtype=int32)

2. tf.keras.layers.Dense

构建一个全连接层

在1.0中是 tf.layers.dense ，2.0中可以用下面方法兼容：

import tensorflow.compat.v1 as tf
tf.layers.dense(xxx)

官方用法：

tf.keras.layers.Dense(units,activation=None,use_bias=True,kernel_initializer='glorot_uniform',bias_initializer='zeros',kernel_regularizer=None,bias_regularizer=None,activity_regularizer=None,kernel_constraint=None,bias_constraint=None,**kwargs
)

3. tf.variable_scope

这是 v1 版本的用法，用于管理变量

官方用法：

tf.compat.v1.variable_scope(name_or_scope,default_name=None,values=None,initializer=None,regularizer=None,caching_device=None,partitioner=None,custom_getter=None,reuse=None,dtype=None,use_resource=None,constraint=None,auxiliary_name_scope=True
)

示例：

import tensorflow as tf
with tf.variable_scope("one"):o=tf.get_variable("f",[1])
with tf.variable_scope("two"):o1=tf.get_variable("f",[1])# 抛错，因为变量的作用范围不一样
# 一个作用域是one/f，一个作用域是two/f
assert o == o1

4. tf.squeeze

从张量的形状中移除大小为1的维度。该函数返回一个张量，这个张量是将原始input中所有维度为1的那些维都删掉的结果。
axis 可以用来指定要删掉的为1的维度，此处要注意指定的维度必须确保其是1，否则会报错。

官方用法：

tf.squeeze(input, axis=None, name=None
)

示例：

# 注意，a的shape是1*6，即存在一个大小为1的维度
a = tf.constant([1, 2, 3, 4, 5, 6], shape=[1, 6])
print(a)
b = tf.squeeze(a, [0]) # 删除第0个维度为1的
# b = tf.squeeze(a) 的结果是一样的
print(b)# 输出
tf.Tensor([[1 2 3 4 5 6]], shape=(1, 6), dtype=int32)
tf.Tensor([1 2 3 4 5 6], shape=(6,), dtype=int32)

a = tf.constant([1, 2, 3, 4, 5, 6], shape=[6, 1])
print(a)
b = tf.squeeze(a, [1])
print(b)# 输出
tf.Tensor(
[[1][2][3][4][5][6]], shape=(6, 1), dtype=int32)
tf.Tensor([1 2 3 4 5 6], shape=(6,), dtype=int32)

a = tf.constant([1, 2, 3, 4, 5, 6], shape=[2, 3])
print(a)
b = tf.squeeze(a) # 如果不存在大小为1的维度，那么保持不变
print(b)# 输出
tf.Tensor(
[[1 2 3][4 5 6]], shape=(2, 3), dtype=int32)
tf.Tensor(
[[1 2 3][4 5 6]], shape=(2, 3), dtype=int32)

5. tf.math.multiply

元素相乘

在 1.0 中是 tf.multiply
官方用法：

tf.math.multiply(x, y, name=None
)

示例：

a = tf.constant([1, 2, 3, 4, 5, 6], shape=[2, 3])
print(tf.multiply(a, 2))
print(tf.multiply(a, a))# 输出
tf.Tensor(
[[ 2  4  6][ 8 10 12]], shape=(2, 3), dtype=int32)tf.Tensor(
[[ 1  4  9][16 25 36]], shape=(2, 3), dtype=int32)

x = tf.ones([1, 2]);
y = tf.ones([2, 1]);
print(x * y)  # Taking advantage of operator overriding
print(tf.multiply(x, y))# 输出，如果维度不一致，会尝试匹配维度
tf.Tensor(
[[1. 1.][1. 1.]], shape=(2, 2), dtype=float32)
tf.Tensor(
[[1. 1.][1. 1.]], shape=(2, 2), dtype=float32)