//创建一个张量tf.constant(张量内容,dtype=数据类型(可选))//将numpy转化为tensortf.convert_to_tensor(数据名,dtype=数据类型(可选))
//创建全为零的张量
tf.zeros(维度)
//创建全为一的张量
tf.ones(维度)
//创建全为指定值的张量
tf.fill(维度,指定值)
//生成正态分布随机数
tf.random.normal(维度,mean=均值, stddev=标准差)
//生成截断式正态分布随机数
tf.random.truncated_normal(维度,mean=均值, stddev=标准差)
//生成均匀分布随机数(前开后闭)
tf.random.uniform(维度,minval=min,maxval=max)
常用函数:
//强制类型转换
tf.cast(张量名, stype=数据类型)
//min,max
tf.reduce_min(张量名)
tf.reduce_max(张量名)
//axis 0经度方向 1维度方向 不指定为所有元素
tf.reduce_mean(张量名,axis=操作轴)
tf.reduce_sum(张量名,axis=操作轴)
//返回最大值索引号
tf.argmax(张量名,axis=操作轴)
//标记为可训练
tf.Variable(待训练参数)
基本数学运算(维度相同才可四则运算):
tf.add 加
tf.subtract 减
tf.multiply 乘
tf.divide 除
tf.square 平方
tf.pow 次方
tf.sqrt 开方
tf.matmmul 矩阵乘
//切分第一维度,生成数据集
tf.Dataset.from_tensor_slices((输入特征,标签))
//求张量梯度
with tf.GradientTape() as tape:
若干个计算过程
tf.GradientTape(函数,对谁求导)
i,element in enumerate()//枚举
tf.one_hot(待转换数据,depth=几分类)
tf.nn.softmax(x) //使输出符合概率分布
assign_sub(要自操作内容)//自更新-