Tensorflow的几种变量生成格式。tf.zero,tf.fill,tf.random

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

提示：Tensorflow是目前人工智能领域最常用的框架，本文介绍几种tensorflow中常用的变量生成函数。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、TensorFlow是什么？

TensorFlow是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief.

二、随机数生成器

1.TensorFlow常数生成函数

（1）Tensorflow.zeros函数
这个函数的作用是生成全为0的数组。
tf.zeros(shape, dtype=dtypes.float32, name=None) 其中shape是生成矩阵的形状，dtype指的是生成矩阵数据类型，name指变量的名字。
代码如下：

import tensorflow as tf
a=tf.zeros([2,3])
with tf.Session() as sess:
	print(a.eval())
#输出结果
[[0. 0. 0.]
 [0. 0. 0.]]

（2）Tensorflow.ones函数
这个函数的作用是生成全为1的数组。
tf.ones(shape, dtype=dtypes.float32, name=None) 其中shape是生成矩阵的形状，dtype指的是生成矩阵数据类型，name指变量的名字。
代码如下：

import tensorflow as tf
a=tf.ones([3,3])
with tf.Session() as sess:
	print(a.eval())
#输出结果
[[1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]]

（3）Tensorflow.fill函数
这个函数的作用是生成全为1的数组。
tf.fill(dims, value, name=None) 其中dims是生成矩阵的形状，value指的用某个值填充，name指变量的名字。
代码如下：

import tensorflow as tf
a=tf.fill([2,2],5)
with tf.Session() as sess:
	print(a.eval())
#输出结果
[[5 5]
 [5 5]]

（4）Tensorflow.constant函数
这个函数的作用是生成全为1的数组。
tf.constant(value, dtype=None, shape=None, name=“Const”, verify_shape=False): 其中shape是生成矩阵的形状，value指的用某个值填充，dtype指值得类型，name指变量的名字，verify_shape指启用值形状验证的布尔值
代码如下：

import tensorflow as tf
a=tf.constant(4, dtype=float, shape=(2,2), name="Const", verify_shape=False)
with tf.Session() as sess:
	print(a.eval())
#输出结果
[[4. 4.]
 [4. 4.]]

2.TensorFlow随机数生成函数

（1）Tensorflow.random_normal函数
这个函数的作用是生成正太分布的数组。
tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=dtypes.float32,seed=None, name=None)) 其中mean是生成正太分布期望，stddev是指正太分布的方差，dtype指的是生成矩阵数据类型，name指变量的名字,seed是指设定随机种子。
代码如下：

import tensorflow as tf

a=tf.random_normal([2,2],mean=0.0,stddev=1.0,
						dtype=float,seed=None,name=None)
with tf.Session() as sess:
	print(a.eval())
#输出结果
[[ 0.46431988 -1.1849118 ]
 [-0.47901395 -0.19268647]]

（2）Tensorflow.truncated_normal函数
这个函数的作用是生成全为1的数组。
tf.truncated_normal(shape,mean=0.0,stddev=1.0,dtype=dtypes.float32,seed=None, name=None)) 其中mean是生成正太分布期望，stddev是指正太分布的方差，dtype指的是生成矩阵数据类型，name指变量的名字,seed是指设定随机种子。与正太分布不同在于，如果随机数偏离平均值超过2，这个数就会被随机分配。
代码如下：

import tensorflow as tf

a=tf.truncated_normal([2,2],mean=0.0,
stddev=1.0,dtype=float,seed=None,name=None)
with tf.Session() as sess:
	print(a.eval())
#输出结果
[[ 0.7598669   0.29694057]
 [-0.18785699 -0.71210927]]

（3）Tensorflow.random_uniform函数
这个函数是产生平均分布的随机数。
tf.random_uniform((shape, dtype, seed=0, seed2=0, name=None)
代码如下：

import tensorflow as tf
a=tf.random_uniform([2,2], seed=0,name=None)
with tf.Session() as sess:
	print(a.eval())
#输出结果
[[0.10086262 0.9701668 ]
 [0.8487642  0.04828131]]

（4）Tensorflow.random_gamma函数
这个函数产生Gamma分布的随机数
tf.random_gamma(shape, alpha, seed=0, seed2=0, name=None):
alpha代表
代码如下：

import tensorflow as tf

a=tf.random_gamma([2,2], alpha=0.1,seed=0,name=None)
with tf.Session() as sess:
	print(a.eval())
#输出结果
[[7.1384362e-05 1.0499792e-07]
 [9.7678287e-04 4.2698447e-02]]

---