张量是tensorflow的主要数据结构。下面主要介绍如何创建张量
1.创建指定维度的张量。
zero=tf.zeros([行数,列数]) / one=tf.ones([行数,列数])
2.创建制定维度的常数来填充张量
fill=tf.fill([行数,列数],42)
3.使用已知的常数来创建一个张量。
constant=tf.constant([1,2,3])
4.创建一个与给定tensor类型大小一致的张量,其所有的元素为1或0
tf.zeros_like([tensor])
tf.ones_like([tensor])
5.创建序列张量
tf.range(start=6,limit=15,delta=3) 产生[6,9,12]这个结果不包含limit值
6.创建随机张量,这个经常用来初始化模型参数
tf.random_uniform([行数,列数],minval=0,maxval=1)生成均匀分布的随机数,不包含最大值
tf.random_normal([行数,列数],mean=0.0,stddev=1.0)生成正太分布的随机数
tf.truncated_normal([行数,列数],mean=0.0,stddev=1.0)函数生成带有指定边界的正太分布的随机数,其随机数位于指定两个标准差之间的区间
一旦创建好张量之后,就可以通过tf.Variable()函数封装张量来作为变量
7.占位符和变量
tensorflow中的变量值得是机器学习算法中的参数,tensorflow通过维护和调整这些变量的状态来优化机器学习算法
占位符是tensorflow对象,用于表示输入和输出数据的格式,允许传入指定类型和形状的数据
在tensorflow中,tf.Variable()函数创建变量,过程是输入一个张量,返回一个变量,声明变量后需要初始化变量。
tensorflow中采用tf.global_variables_ initializer()一次性初始化所有变量,占位符仅仅声明了变量的位置,便于传入数据到计算图中
可以通过feed_dict中的参数获取数据,在计算图中使用占位符时,必须要在其上执行至少一个操作。tensorflow中的每个变量都有一个initializer方法。