关于TensorFlow知识点及其练习

TensorFlow中张量的概念及其运算：

张量（Tensor）是TensorFlow中的核心概念，它可以被看作是多维数组或向量。张量在数学上可以看作是多维数组，而在TensorFlow中，张量是用于执行计算的基本数据结构。

运算：在TensorFlow中，可以对张量进行多种运算，包括算术运算、比较运算、逻辑运算、索引和切片、矩阵运算等。这些运算可以组合起来创建复杂的计算图，用于机器学习、深度学习等任务。

图像数据类型运算：

在TensorFlow中，图像数据通常以张量的形式表示，并且可以进行各种数学运算。例如，可以对图像数据进行缩放、旋转、剪切、颜色通道转换等操作。

图像数据类型运算通常涉及像素级别的操作，例如改变图像的亮度、对比度、饱和度等。

tf.random.normal：
生成的是一个形状为 (dim1, dim2, ..., dimN) 的随机张量，其中每个元素都是正态分布的。

参数包括 shape、mean（均值，默认为0）和 stddev（标准差，默认为1）。

生成的是均值为 mean、标准差为 stddev 的正态分布随机数。

tf.random.uniform：
生成的是一个形状为 (dim1, dim2, ..., dimN) 的随机张量，其中每个元素都是均匀分布的。

参数包括 shape 和 minval（最小值，默认为0）和 maxval（最大值，默认为1）。

生成的是均匀分布在区间 [minval, maxval]内的随机数。

import tensorflow as tf

# 生成一个形状为(2, 3)的正态分布随机张量
normal_tensor = tf.random.normal((2, 3), mean=0, stddev=1)

# 生成一个形状为(2, 3)的均匀分布随机张量
uniform_tensor = tf.random.uniform((2, 3), minval=0, maxval=1)
normal_tensor,uniform_tensor

运行结果：