Tensorflow语法（1）

---

一、创建tensor

1.利用Numpy，list创建
tf.convert_to_tensor(np.ones([2,3]))，2行3列全为0的tensor
tf.convert_to_tensor(np.zeros([2,3]))，2行3列全为1的tensor
tf.convert_to_tensor([1,2])，利用列表创建tensor
tf.convert_to_tensor([1,2.])，列表中有float型数据，自动将int型转换为float型
tf.convert_to_tensor([1],[2.])，将两个列表创建为tensor
2.tf.zeros([ ])
创建全为0的tensor。 tf.zeros([1]) 、tf.zeros([2,2])、 tf.zeros([2,3,3])
tf.zeros_like(a)，复制a，全为0，与tf.zeros(a.shape)效果一样。
3. tf.ones([ ])
创建全为1的tensor。 tf.ones([2])、 tf.ones([2,3])
tf.ones_like(a)，复制a，全为1
4.fill
tf.fill([2,2],4)，创建2*2值为4的tensor
5.Normal
tf.random.normal([2,2],mean=1,stddev=1)
mean表示均值，stddev表示方差，创建服从正态分布的tensor。
tf.random.truncated_normal([2,2],mean=0,stddev=1)
截取的正态分布。
6.Uniform
tf.random.uinform([2,2],minval=1,maxval=4)
minval与maxval表示取值范围，在范围内均匀分布。
7.Random Permutation
idx = tf.range(10)
idx = tf.random.shuffle(idx)，将idx的顺序打散。
8.tf.constant( )
tf.constant(1)、tf.zeros([1]) 、tf.zeros([2,2.])

二、索引与切片

1.[start : end : step]

2.[ : : -1] 逆向索引

3.[…] 自动推导出逻辑正确的省略了的维度

4.tf.gather( )打散索引
tf.gather(a, axis=0,indices=[2,3])
a表示数据，axis避暑维度，indices表示索引号，对于一个三维数据a=[class=4,student=35,subject=8]，取维度为0（class），class索引为2，3的班级的学生的成绩。
tf.gather(a, axis=0,indices=[2,1,3,0])
收集4个班级的成绩但是顺序被打散了。

5.tf.gather_nd( )
tf.gather_nd(a, [3,24,5])，取第0维度索引3的班级，第1维度索引24的学生，第2维度索引5的科目的成绩。（第x个班级的第y个学生的第m科的成绩）

tf.gather_nd(a, [[0,0,0],[1,1,1],[2,2,2]])
取0号班级0号学生0号科目成绩，1号班级1号学生1号科目成绩，2号班级2号学生2号科目成绩，一共取了三个不同班级的三个学生的某一门科目的成绩。

6.tf.boolean_mask( )，bool值索引
tf.boolean_mask(a, mask=[True,True,False,False])
索引位置为True取值，为False的不取。

三、Broadcasting

tf.broadcast_to( )张量维度扩张的手段，对某一个维度重复n次，没有赋值真正的数据，不占用内存。
Feature maps:[4,32,32,3]，左边为大维度，右边为小维度，扩张的原理：小维度对齐，没有维度的添加为1，再将1扩充成一样大小。


tf.tile（a2，[2，1，1]）
表示第0维度复制2次，第1维度复制1次，第2维度复制1次，将a2[1,3,4]复制为了[2,3,4]，占用内存。