tensorflow一些函数

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/kun1280437633/article/details/80821791

tensorflow一些函数：

1、tf.ones(shape,type=tf.float32,name=None)

     tf.ones([2, 3], int32) ==> [[1, 1, 1], [1, 1, 1]]

 

2、tf.zeros(shape,type=tf.float32,name=None)

     tf.zeros([2, 3], int32) ==> [[0, 0, 0], [0, 0, 0]]

 

3、tf.ones_like(tensor,dype=None,name=None)

     新建一个与给定的tensor类型大小一致的tensor，其所有元素为1。

     # 'tensor' is [[1, 2, 3], [4, 5, 6]] 

     tf.ones_like(tensor) ==> [[1, 1, 1], [1, 1, 1]]

 

4、tf.zeros_like(tensor,dype=None,name=None)

     新建一个与给定的tensor类型大小一致的tensor，其所有元素为0。

     # 'tensor' is [[1, 2, 3], [4, 5, 6]] 

     tf.ones_like(tensor) ==> [[0, 0, 0], [0, 0, 0]]

 

5、tf.fill(dim,value,name=None)

     创建一个形状大小为dim的tensor，其初始值为value

     # Output tensor has shape [2, 3]. 

     fill([2, 3], 9) ==> [[9, 9, 9] 

                                 [9, 9, 9]]

 

6、tf.constant(value,dtype=None,shape=None,name='Const')

     创建一个常量tensor，先给出value，可以设定其shape

     # Constant 1-D Tensor populated with value list. 

     tensor = tf.constant([1, 2, 3, 4, 5, 6, 7]) => [1 2 3 4 5 6 7] 

    # Constant 2-D tensor populated with scalar value -1. 

     tensor = tf.constant(-1.0, shape=[2, 3]) => [[-1. -1. -1.] [-1. -1. -1.]

 

7、tf.linspace(start,stop,num,name=None)

     返回一个tensor，该tensor中的数值在start到stop区间之间取等差数列（包含start和stop），如果num>1则差值为(stop-start)/(num-1)，以保证最后一个元素的值为stop。

     其中，start和stop必须为tf.float32或tf.float64。num的类型为int。

     tf.linspace(10.0, 12.0, 3, name="linspace") => [ 10.0 11.0 12.0]

 

8、tf.range(start,limit=None,delta=1,name='range')

     返回一个tensor等差数列，该tensor中的数值在start到limit之间，不包括limit，delta是等差数列的差值。

     start，limit和delta都是int32类型。

     # 'start' is 3 

     # 'limit' is 18 

     # 'delta' is 3

     tf.range(start, limit, delta) ==> [3, 6, 9, 12, 15] 

     # 'limit' is 5 start is 0

     tf.range(start, limit) ==> [0, 1, 2, 3, 4]

 

9、tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None)

     返回一个tensor其中的元素的值服从正态分布。

     seed: A Python integer. Used to create a random seed for the distribution.See set_random_seed for behavior。

     tf.Variable(tf.random_normal([2,2],seed=1))

    [[-0.81131822 1.48459876] [ 0.06532937 -2.44270396]]

10、tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

    返回一个tensor其中的元素服从截断正态分布（？概念不懂，留疑）

     tf.Variable(tf.truncated_normal([2,2],seed=2))

    [[-0.85811085 -0.19662298] [ 0.13895047 -1.22127688]]

11、tf.random_uniform(shape,minval=0,maxval=None,dtype=tf.float32,seed=None,name=None)

    返回一个形状为shape的tensor，其中的元素服从minval和maxval之间的均匀分布。

     tf.random_uniform((4, 4), minval=-0.5,maxval=0.5,dtype=tf.float32)))返回4*4的矩阵，产生于low和high之间，产生的值是均匀分布的

输出：

[[ 0.23706067  0.42579055  0.16444612  0.12134457]
 [ 0.14245582  0.32224071 -0.3107301   0.29911542]
 [-0.03472292 -0.37411058 -0.22680879  0.21656895]
 [-0.37798405  0.31725729 -0.17690742 -0.02995324]]

12、tf.random_shuffle(value,seed=None,name=None)

        对value（是一个tensor）的第一维进行随机化。

       [[1,2],            [[2,3],

        [2,3],     ==>  [1,2],

        [3,4]]             [3,4]] 

 

13、tf.set_random_seed(seed)

        设置产生随机数的种子。