tf.keras模型——backend后端API

tf.keras.backend

　　tf.keras的后端API，这里集成了很多常用的数学方法

　　abs()：获取元素的绝对值；可以传入数值型常量、张量、列表等；

　　　　

　　　　这里的数据类型和传入的数据类型相关。

　　all()：对传入的数据进行“且”操作，一个假就全假

　　tf.keras.backend.all(
　　    x,
　　    axis=None,
 　　   keepdims=False
　　)
　　参数：
 　　   x: 张量或变量；
 　　   axis: 指定轴进行缩减（求与的操作，True、False型的）
  　　  keepdims: whether the drop or broadcast the reduction axes.

　　　　

　　any()：同上，这里是求与的操作

　　tf.keras.backend.any(
 　　   x,
  　　  axis=None,
   　　 keepdims=False
5　　 )

　　　　

　　arange()：生成一个从start到stop的连续值的张量

        tf.keras.backend.arange(
            start,
            stop=None,
            step=1,
            dtype='int32'
        ) 

　　　　

　　argmax()、argmin(): 返回最大值、最小值所在的index，axis默认为-1，若维度大于2时，axis的取值任然从0开始，此时0即为batch_size位

　　　　

　　　　注意这里的shape发生的变化：

　　　　

　　backend()：返回使用的backend（后端）。

　　　　

　　batch_dot()：分批点积。

    tf.keras.backend.batch_dot(
        x,
        y,
        axes=None
    )

　　　　该方法的axes是非常重要的参数。

　　　　x_batch = K.ones(shape=(1, 5, 2))

　　　　y_batch = K.ones(shape=(1, 10, 5))

　　　　xy_batch_dot = K.batch_dot(x_batch, y_batch, axes=[1, 2])

　　　　axes=[1, 2]表示x_batch的第  1 个维度和y_batch的第  2  个维度进行点乘求和

　　　　

　　batch_flatten()：将nD张量转换为2D张量，保持具有相同0维大小。

　　　　

　　　　

 

　　get_value()、batch_get_value()：前者为获取value、后者为批量获取

　　　　

 　　batch_normalization()：批量标准化数据

 　　tf.keras.backend.batch_normalization( x, mean, var, beta, gamma, axis=-1, epsilon=0.001 ) 

 　　返回：

　　 output = (x - mean) / (sqrt(var) + epsilon) * gamma + beta 

 　　

　　zeros、zeros_like、ones、ones_like这些函数是常用函数，这里就不展开介绍了：

　　　　

　　bias_add(): 给张量、变量添加偏置

　　 tf.keras.backend.bias_add( x, bias, data_format=None ) 

        x: 张量、变量2         bias: 要添加的偏置
        data_format: string, "channels_last" or "channels_first".    

　　　　

　　binary_crossentropy()：输出输出张量和目标张量之间的二进制交叉熵。

　　cast()：将张量强制转换为其他数据类型并返回它。

　　　　 tf.keras.backend.cast( x, dtype ) 

 　　　　

　　cast_to_floatx()：将Numpy数组转换为默认的Keras浮点类型。

 　   constant()：创建一个恒定的张量。

　　conv1d()：1D卷积。

　　tf.keras.backend.conv1d( x, kernel, strides=1, padding='valid', data_format=None, dilation_rate=1 ) 

　　conv2d()：2D卷积。

　　 tf.keras.backend.conv2d( x, kernel, strides=(1, 1), padding='valid', data_format=None, dilation_rate=(1, 1) ) 

　　conv2d_transpose()：2D反卷积

　　tf.keras.backend.conv2d_transpose(
 　　   x,
  　　  kernel,
   　　 output_shape,
   　　 strides=(1, 1),
    　　padding='valid',
   　　 data_format=None,
   　　 dilation_rate=(1, 1)
　　)

 

　　conv3d()：3D卷积

　　tf.keras.backend.conv3d(
  　　  x,
   　　 kernel,
   　　 strides=(1, 1, 1),
   　　 padding='valid',
   　　 data_format=None,
   　　 dilation_rate=(1, 1, 1)
　　)

　　placeholder()：占位符

tf.keras.backend.placeholder(
    shape=None,
    ndim=None,
    dtype=None,
    sparse=False,
    name=None
)

　　variable()：实例化变量并返回它。

　　　　

　　temporal_padding()：填充3D张量的中间维度。

　　　　

　　spatial_2d_padding()：填充4D张量的第2和第3维。

 　　　　

　　　　

　　spatial_3d_padding()：5维数据的长、宽、高补零