tensorflow（3）---张量生成

tensorflow中的tensor就是张量，是多维数组，多维列表，用阶表示张量维度

0阶张量表示标量scalar，一个单独的数，例如123

1阶张量表示向量vector，一个一维数组，例如[1,2,3]

2阶张量叫做矩阵matrix，一个二维数组，例如[[1,2,3],[4,5,6],[7,8,9]]

n阶张量叫做张量tensor，n维数组，t=[[[[....n个]]]]

张量表示0-n阶数组

tensorflow数据类型：

tf.int                 tf.int 32          tf.float32        tf.float64    

布尔型        tf.bool            tf.constant([True,False])

字符串型        tf.string        tf.constant("Hello,world!")

1.如何创建一个tensor

import tensorflow as tf

# 创建一个张量tf.constant(张量内容,dtype=数据类型)
a = tf.constant([1,5],dtype=tf.int64)
print(a)
print(a.dtype)
print(a.shape)

输出a会输出a的所有信息，包括数据内容，形状，类型

2.numpy数组转化为Tensor

import tensorflow as tf
import numpy as np
# 将numpy数据类型转换为tensor数据类型 tf.convert_to_tensor(数据名，dtype=数据类型)
a = np.arange(0,5)
b = tf.convert_to_tensor(a)
print(a)
print(b)

 

 3.创建特殊张量

# 创建全为0的张量  tf.zeros(维度)
# 全为1的张量     tf.ones(维度)
# 创建全为指定值的张量  tf.fill(维度，指定值)

a = tf.zeros([2,3])
b = tf.ones(4)
c = tf.fill([2,2],9)
print(a)
print(b)
print(c)

 4.生成随机数

# 生成正态分布随机数，默认均值为0，标准差为1 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[minval,maxval] tf.random.uniform(维度，minval=最小值,maxval=最大值)
d = tf.random.normal([2,2],mean=0.5,stddev=1)
print(d)
e = tf.random.truncated_normal([2,2],mean=0.5,stddev=1)
print(e)
# 里面的元素符合以0.5为均值，1为标准差
f = tf.random.uniform([2,2],minval=0,maxval=1)
print(f)