TensorFlow2.0相关操作介绍（一）

引言

       本系列博文的主要内容是系统介绍TensorFlow2.0的相关操作，主要采用实例的形式进行介绍，以便初学者可以很快的了解和使用TensorFlow2.0框架。

1、创建Tensor

       Tensor是TensorFlow2.0中的基本数据类型，数据的运算和处理都是基于Tensor数据类型进行的。

• tf.zeros

       tf.zeros主要用于产生0矩阵，使用形式为tf.zeros([])。[]中包含的是需要产生张量的维度，如tf.zeros([2,3])。

• tf.ones

       tf.ones用于产生全1矩阵，使用形式为tf.ones([])。[]中包含的是需要产生张量的维度，如tf.zeros([2,3,4])。

• tf.fill 

       tf.fill用于产生元素相同的矩阵，使用形式为tf.fill([],_)。[]中包含的是需要产生张量的维度，如tf.fill([3,4]，8)。

• tf.random.normal 

       tf.random.normal主要产生为正态分布的数据。如tf.random.normal([],mean=?,stddev=？)。[]中包含的是需要产生张量的维度，mean代表正态分布的均值，stddev代表方差。

• tf.random.truncated_normal

       tf.random.truncated_normal([], mean=?, stddev=?)， []中包含的是需要产生张量的维度，mean是均值，stddev是标准差。这是一个截断的产生正态分布的函数，就是说产生正态分布的值如果与均值的差值大于两倍的标准差，那就重新生成。和一般的正态分布的产生随机数据比起来，这个函数产生的随机数与均值的差距不会超过两倍的标准差。

• tf.random.uniform 

        tf.random.uniform 主要产生为均匀分布的数据。如tf.random.uniforml([],minval=?,maxval=？)。[]中包含的是需要产生张量的维度，minval代表最小值，maxval代表最大值。

• tf.constant

      tf.constant主要用于产生常数向量，运用形式为tf.constant([]),[]中为所需要产生的数据。