从0开始的深度学习——【tensorflow】如何生成一个基本张量

什么是张量

Tensor:(向量)

维数	名字	例子
0	标量	s=1
1	向量	s=[1,2,3,4,5]
2	矩阵	s=[ [1,2,3 ], [4,5,6 ] ]
n	张量	s=[ [ [ [… ] ] ] ]

数据类型：

tf.int/tf.float:
tf.int32,	tf.int64,	tf.float32,		tf.float64
tf.bool:
tf.constant([True,False])//tf.constant()是申明一个常量
tf.string：
tf.constant("I Love You")

创建一个Tensor:

tf.constant(张量内容，dtype=数据类型)

运行 结果：

表示一个一位张量（数组），里面是【2，3】，数据类型是float32.

数据的转化：
eg:将numpy的数据转化为Tensor类型：

结果：
其它创建方法：

1. tf.zeros(维度):创建一个全为0的张量。
2. tf.ones(维度):创建一个全为1的张量。
3. tf.fill(维度，指定值):将这个张量全部设置为指定值。
   
   
4. 随机生成张量：

import tensorflow  as tf
import numpy as np
#随机生成3行4列的张量，里面的元素符合以1为均值，0.1为标准差的数据：
d = tf.random.normal([3,4],mean=1,stddev=0.1)

#随机生成2行2列的张量，里面的元素最小值为1，最大值为2:
f = tf.random.uniform([2,2],minval=1,maxval=2)

print(d)
print(f)

运行结果：