深度学习分享6：张量的使用

创建张量

#创建一个张量
import tensorflow as tf
a=tf.constant([1,5],dtype=tf.int64)
print(a)
print(a.shape)
print(a.dtype)



tf.Tensor([1 5], shape=(2,), dtype=int64)
(2,)
<dtype: 'int64'>

#讲numpy数据类型转换为tensor数据类型
import tensorflow as tf
import numpy as np
a=np.arange(0,5)
b=tf.convert_to_tensor(a,dtype=tf.int64)
print(a)
print(b)



[0 1 2 3 4]
tf.Tensor([0 1 2 3 4], shape=(5,), dtype=int64)

#定义维度和数值
a=tf.zeros([2,3])
b=tf.ones(4)
c=tf.fill([2,2],9)
print(a)
print(b)
print(c)



tf.Tensor(
[[0. 0. 0.]
 [0. 0. 0.]], shape=(2, 3), dtype=float32)
tf.Tensor([1. 1. 1. 1.], shape=(4,), dtype=float32)
tf.Tensor(
[[9 9]
 [9 9]], shape=(2, 2), dtype=int32

#正态分布的张量，创建一个2行3列的均值为0.5，标准差为3的正态分布张量
d=tf.random.normal([2,3],mean=0.5,stddev=3)
print(d)



tf.Tensor(
[[ 9.894921    2.7409997  -3.0391893 ]
 [ 0.24890476  2.8372755  -4.981681  ]], shape=(2, 3), dtype=float32)

#均匀分布,minval,maxval分别是最大值和最小值
f=tf.random.uniform([3,3],minval=1,maxval=2)
print(f)



tf.Tensor(
[[1.8849351 1.2999618 1.0153412]
 [1.9153696 1.2347351 1.2346185]
 [1.7589219 1.7517825 1.323615 ]], shape=(3, 3), dtype=float32)