textCNN 随笔记（二）

tf.nn.embedding_lookup函数的用法

tf.nn.embedding_lookup函数的用法主要是选取一个张量里面索引对应的元素。tf.nn.embedding_lookup（params, ids）:params可以是张量也可以是数组等，id就是对应的索引，其他的参数不介绍。 分析：输出为张量的第一和第三个元素。

如果ids是多行： enumerate()解释 enumerate()应用、数据归一化处理、正则式表示、re处理字符串、filter应用。 参考链接：https://blog.csdn.net/Turbo_Come/article/details/90115767

TensorFlow用expand_dim()来增加维度 参考链接：https://blog.csdn.net/jasonzzj/article/details/60811035

tensorflow中的“tf.name_scope() 参考链接：https://www.jianshu.com/p/635d95b34e14

tensorflow学习之tf.truncated_normal和tf.random_noraml的区别 参考链接： https://blog.csdn.net/weixin_30906185/article/details/99392118?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param

Tensorflow中tf.nn.bias_add() 通俗解释： 一个叫bias的向量加到一个叫value的矩阵上，是向量与矩阵的每一行进行相加，得到的结果和value矩阵大小相同。 参考链接：https://blog.csdn.net/mieleizhi0522/article/details/80416668

TF-激活函数 tf.nn.relu 介绍 参考链接：https://www.cnblogs.com/xh_chiang/p/9132524.html

TensorFlow中CNN的两种padding方式“SAME”和“VALID” 参考链接：https://blog.csdn.net/wuzqChom/article/details/74785643

tf.nn.conv2d() 函数详解

import tensorflow as tf expand = tf.Variable(tf.truncated_normal([2,7,3,1])) W = tf.Variable(tf.truncated_normal([2,3,1,8], stddev=0.1, seed=1), name='W') conv = tf.nn.conv2d( expand, W, strides=[1, 1, 1, 1], # 不同维度上的步长 padding="VALID", # 填充的方法，SAME或VALID，SAME表示添加全0填充，VALID表示不添加 name="conv") print(expand) # shape = (2, 7, 3, 1) print(W) # shape = (2, 3, 1, 8) print(conv) # shape = (2, 6, 1, 8)

tf.nn.max_pool()函数的解释与用法 参考链接：https://blog.csdn.net/qq_22968719/article/details/88318626 参考链接：https://www.cnblogs.com/qggg/p/6832342.html