1、变量
Tensorflow使用变量来存储并更新参数;
# Create two variables.
weights = tf.Variable(tf.random_normal([784, 200], stddev=0.35),
name="weights")
biases = tf.Variable(tf.zeros([200]), name="biases")
2、常用生成tensor的一些方法
生成常量tensor:
tf.zeros(shape, dtype=tf.float32, name=None)
tf.zeros_like(tensor, dtype=None, name=None)#新建一个和给定tensor shape一样的全零tensor
tf.constant(value, dtype=None, shape=None, name='Const')
tf.fill(shape, value, name=None)#创建一个形状为shape,值为value的tensor
tf.ones_like(tensor, dtype=None, name=None)#新建一个和给定tensor shape一样的全1的tensor
tf.ones(shape, dtype=tf.float32, name=None)
生成序列
tf.range(start, limit, delta=1, name='range')
tf.linspace(start, stop, num, name=None)
生成随机数
tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
#正太分布生成随机数,mean:均值, stddev:标准差
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
#截断的正态分布函数。生成的值遵循一个正态分布,但不会大于平均值2个标准差
tf.random_uniform(shape, minval=0.0, maxval=1.0, dtype=tf.float32, seed=None, name=None)
#从均匀分布中返回随机值
tf.random_shuffle(value, seed=None, name=None)
#沿第一个维度随机置乱
3、初始化
当启动会话Session时,Variables(变量)必须被明确的初始化在你使用它们的值进行操作之前
使用tf.global_variable_initializer()对所有变量进行初始化;
实际上,variable初始化器操作只是赋值操作,赋值variable自己的初始化值给他自己