Tensorflow模型训练时维度处理技巧

Tensorflow模型训练时维度处理技巧

修改模型一周，调BUG半个月，特此总结：

1. 在某一个维度为1时，用tf.reshape
2. tf.matmul（要求两个元素维度正好相反）要求两个元素维度正好相反
3. 和tf.multiply ( 张量1 ，张量2）要求两个元素维度一致
4. assign_sub（）：重新赋值，但需要先用 tf.Variable 定义变量 w
5. 要求输出的数据格式保持一致且支持广播作用的函数：
6. tf.muliply(x, y, name=None)  
7. tf.add(x, y, name=None)
8. tf.concat(values, axis, name=‘concat‘)：多种网络joint训练的时候，逆向操作tf.split(value, num_or_size_splits, axis=0, num=None, name=‘split‘)
9. tf.stack(values, axis, name=‘stack‘)增加指定维度
10. tf.tile()：把数组沿各个方向复制，不变的维度设置为1
11. 反之用tf.squeeze压缩维度
12. tf.nn.embedding_lookup(ids = [1,3,5])：找出embeddings中第1，3，5行，组成一个tensor返回,其维度是有几个数则输出几个值
13. tf.split(value,num_or_size_splits,axis=0)：
14. 对value张量沿着axis维度，按照num_or_size_splits个数切分