tensorflow搭建CNN用到的函数-以交通信号识别为例

代码链接：https://medium.com/@waleedka/traffic-sign-recognition-with-tensorflow-629dffc391a6  

      tf.Variable()

tf.truncated_normal(shape, mean, stddev) :shape表示生成张量的维度，mean是均值，stddev是标准差。

   tf.constant(value,dtype=None,shape=None,name=’Const’) 
   创建一个常量tensor，按照给出value来赋值，可以用shape来指定其形状。value可以是一个数，也可以是一个list。 


tf.nn.con2d(x,W,strides,padding):输入为4维batch[n,x,y,m],n个x*y,m通道的图片(矩阵)

卷积结果：padding参数为SAME时，输出的维度：x.shape[0]不变，尺寸变为下图，通道数(x.shape[3])变为卷积核个数，即W.shape[3]

        tf.nn.max_pool(x,ksize,strides,padding)

        池化结果：padding参数为SAME时，输出的shape：x.shape[0]不变,尺寸与ksize和strides有关，x.shape[3]不变

    

 tf.reshape(tensor,shape):

    tf.nn.softmax(x):将向量x以softmax形式变为概率表示

tf.argmax(x,axis):以axis所示的轴，找出x中最大值的下标.eg：输入为[m,n],axis为0，时，输出的shape为[n],为1时，输出shape为[m].

    tf.equal(A,B):返回boolean值，维度与A,B相同

tf.cast(x,dype),将x类型变为dtype所示类型

    tf.reduce_mean(input_tensor,reduction_indices):对input_tensor按照轴reduction_indices求均值

tf.nn.sparse_softmax_cross_entropy_with_logits(logits,labels):

出现shape[-1,32,32,3] has negtive dimension错误时，可能是因为placeholder没有被正确feed，检查是否需要placeholder处未进行feed或不需要placeholder处进行了feed

    random.sample(m,n),在[0,m)中随机取n个数字