tensorflow常用矩阵生成

#全0和全1矩阵

v1 = tf.Variable(tf.zeros([3,3,3]), name=“v1”)

v2 = tf.Variable(tf.ones([10,5]), name=“v2”)  
  
#填充单值矩阵  
v3 = tf.Variable(tf.fill([2,3], 9))

#常量矩阵  
v4_1 = tf.constant([1, 2, 3, 4, 5, 6, 7])  
v4_2 = tf.constant(-1.0, shape=[2, 3])

和v4_1形状一样的全1或全0矩阵

v5_1=tf.ones_like(v4_1)

v5_2=tf.zeros_like(v4_1)

#生成等差数列  
v6_1 = tf.linspace(10.0, 12.0, 30, name=“linspace”)#float32 or float64  
v7_1 = tf.range(10, 20, 3)#just int32  
  
#生成各种随机数据矩阵

#平均分布

v8_1 = tf.Variable(tf.random_uniform([2,4], minval=0.0, maxval=2.0, dtype=tf.float32, seed=1234, name=“v8_1”))  
#正态分布

v8_2 = tf.Variable(tf.random_normal([2,3], mean=0.0, stddev=1.0, dtype=tf.float32, seed=1234, name=“v8_2”))

#正态分布,但是去掉2sigma外的数字

v8_3 = tf.Variable(tf.truncated_normal([2,3], mean=0.0, stddev=1.0, dtype=tf.float32, seed=1234, name=“v8_3”))

#把这3个行重排列
v8_5 = tf.random_shuffle([[1,2,3],[4,5,6],[6,6,6]], seed=134, name=“v8_5”)

以上都是计算图中的变量,需要sess.run()以后才能成为真正的数据

存取方式是:

np.save(“v1.npy”,sess.run(v1))#numpy save v1 as file  
test_a = np.load(“v1.npy”)  
print test_a[1,2]
————————————————
版权声明：本文为CSDN博主「windows2」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/windows2/article/details/78664779