函数

tf.train.Saver(var_list=None,reshape=False,

sharded=False,max_to_keep=5,

keep_checkpoint_every_n_hours=10000.0,

name=None,restore_sequentially=False,

saver_def=None,builder=None)

创建存储器Saver

tf.train.Saver.save(sess,save_path,global_step=None,

latest_filename=None,meta_graph_suffix=’meta’,

write_meta_graph=True)

保存

tf.train.Saver.restore(sess,save_path)

恢复

tf.train.Saver.last_checkpoints

列出最近未删除的checkpoint文件名

tf.train.Saver.set_last_checkpoints(last_checkpoints)

设置checkpoint文件名列表

tf.train.Saver.set_last_checkpoints_with_time(

last_checkpoints_with_time)

设置checkpoint文件名列表和时间戳

tf.ones_like (input)

生成和输出张量一样形状和类型的0。例如：

tensor=[[1,2,3],[4,5,6]]

tf.ones_like(tensor) ==>[[0 0 0][0 0 0]]

tf.zeros_like (input)

生成和输出张量一样形状和类型的1。例如：

tensor=[[1,2,3],[4,5,6]]

tf.zeros_like(tensor) ==>[[0 0 0][0 0 0]]

tf.fill(shape,value)

为指定形状填值。例如：

tf.fill([2,3],1)==>[[1 1 1][1 1 ]]

tf.constant(value,shape)

生成常量。例如：

tf.constant(1,[2,3])==>[[1 1 1][1 1 1]]

tf.random_normal(shape,mean=0.0,sddev=1.0,

dtype=tf.float32,seed=None,name=None)

正态分布随机数，均值mean，标准差stddev

tf.truncated_normal(shape,mean=0.0,sddev=1.0,

dtype=tf.float32,seed=None,name=None)

截断正态分布随机数，均值mean，标准差stddev，只保留[mean-2*stddev,mean+2*stddev]范围内的随机数

tf.random_uniform(shape,mean=0.0,sddev=1.0,

dtype=tf.float32,seed=None,name=None)

均匀分布随机数，范围为[minval,maxval]

tf.random_crop(value,size,seed=None,name=None)

将输入值value按照size尺寸随机剪辑

tf.set_random_seed(seed)

设置随机数种子

tf.linspace(start,stop,num,name=None)

在[start,stop]范围内产生num个数得等差数列。注意，start和stop要用浮点数表示，否则会报错。例如：

tf.linspace(start=1.0,stop=5.0,

num=5,name=None)

[1,2,3,4,5]

tf.range(start,limit=None,delta=1,name=’range’)

在[start,limit]范围内以步进值delta产生等差数列。注意，不包括limit在内得。例如：

tf.range(start=1,limit=5,delta=1)

[1 2 3 4]