tf.gradients

 

 

 

tf.stop_gradient

 

np.ravel

 

 

tf.distrbution.prob/sample

获取对应位置的概率值

 

 

python的Queue

 

 

tf.sequeeze

 

tf.one_hot

tf.one_hot的必要性在于：one_hot方式，去掉了标签的顺序影响，让输出标签之间的欧式距离相等。而不是认为，标签1和标签3的距离，与标签2和标签3的距离，不等。逻辑上更合理。

同时，标签本身，如果非数字形式，则更有必要处理。所以说，行为表示，作为输入，则也应该进行onehot转换，表达出行为之间距离相同。

https://blog.csdn.net/taotiezhengfeng/article/details/73692239

 

 

tf.concat

 

 

 

tf.expand_dim

维数拓展

 

 

tf.cast

类型转换

 

 

tf.gather_nd

 

版权声明：本文为bai2018原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://www.cnblogs.com/bai2018/p/12899243.html