tf.keras.backend
tf.keras的后端API，這里集成了很多常用的數學方法
abs()：獲取元素的絕對值；可以傳入數值型常量、張量、列表等；
這里的數據類型和傳入的數據類型相關。
all()：對傳入的數據進行“且”操作，一個假就全假
1 tf.keras.backend.all( 2 x, 3 axis=None, 4 keepdims=False 5 ) 6 參數： 7 x: 張量或變量； 8 axis: 指定軸進行縮減（求與的操作，True、False型的） 9 keepdims: whether the drop or broadcast the reduction axes.
any()：同上，這里是求與的操作
1 tf.keras.backend.any( 2 x, 3 axis=None, 4 keepdims=False 5 )
arange()：生成一個從start到stop的連續值的張量
1 tf.keras.backend.arange( 2 start, 3 stop=None, 4 step=1, 5 dtype='int32' 6 )
argmax()、argmin(): 返回最大值、最小值所在的index，axis默認為-1，若維度大於2時，axis的取值任然從0開始，此時0即為batch_size位
注意這里的shape發生的變化：
backend()：返回使用的backend（后端）。
batch_dot()：分批點積。
1 tf.keras.backend.batch_dot( 2 x, 3 y, 4 axes=None 5 )
該方法的axes是非常重要的參數。
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 個維度和y_batch的第 2 個維度進行點乘求和
batch_flatten()：將nD張量轉換為2D張量，保持具有相同0維大小。
get_value()、batch_get_value()：前者為獲取value、后者為批量獲取
batch_normalization()：批量標准化數據
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這些函數是常用函數，這里就不展開介紹了：
bias_add(): 給張量、變量添加偏置
tf.keras.backend.bias_add( x, bias, data_format=None )
1 x: 張量、變量2 bias: 要添加的偏置 3 data_format: string, "channels_last" or "channels_first".
binary_crossentropy()：輸出輸出張量和目標張量之間的二進制交叉熵。
cast()：將張量強制轉換為其他數據類型並返回它。
tf.keras.backend.cast( x, dtype )
cast_to_floatx()：將Numpy數組轉換為默認的Keras浮點類型。
constant()：創建一個恆定的張量。
conv1d()：1D卷積。
tf.keras.backend.conv1d( x, kernel, strides=1, padding='valid', data_format=None, dilation_rate=1 )
conv2d()：2D卷積。
tf.keras.backend.conv2d( x, kernel, strides=(1, 1), padding='valid', data_format=None, dilation_rate=(1, 1) )
conv2d_transpose()：2D反卷積
tf.keras.backend.conv2d_transpose( x, kernel, output_shape, strides=(1, 1), padding='valid', data_format=None, dilation_rate=(1, 1) )
conv3d()：3D卷積
1 tf.keras.backend.conv3d( 2 x, 3 kernel, 4 strides=(1, 1, 1), 5 padding='valid', 6 data_format=None, 7 dilation_rate=(1, 1, 1) 8 )
placeholder()：占位符
1 tf.keras.backend.placeholder( 2 shape=None, 3 ndim=None, 4 dtype=None, 5 sparse=False, 6 name=None 7 )
variable()：實例化變量並返回它。
temporal_padding()：填充3D張量的中間維度。
spatial_2d_padding()：填充4D張量的第2和第3維。
spatial_3d_padding()：5維數據的長、寬、高補零