Tensorflow2 的常用函数(一)

本文介绍了TensorFlow2的一些核心函数,包括tf.zeros()、tf.ones()、tf.fill()、随机数生成函数、变量与常量的创建、数据类型转换、求最大最小值、平均值、类型转换、基本数学运算以及矩阵乘法。这些函数在构建和训练神经网络时非常关键。
摘要由CSDN通过智能技术生成

Tensorflow2 的常用函数 (1-10)

列举了一些tensorflow2的常用函数,参考自北京大学人工智能实践,曹健。tensorflow2是在第一版本的基础上进行了更新,基本用法没有感觉大的改变。

1. tf.zeros() tf.ones() ,tf.fill()填充类函数

tf.zeros()是常用的填充零函数 ,tf.ones()填充1,tf.fill()填充指定值。

import tensorflow as tf
a = tf.zeros([2, 3])
b = tf.ones(4)
c = tf.fill([2, 2], 9)
print("a:", a)
print("b:", b)
print("c:", c)

输出结果:

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

a是2行3列的0,b默认1行4列的1,c填充两行两列的9

2. random() 随机数函数

常用的random()有三个,tf.random.normal(),tf.random.truncated_normal(),tf.random.uniform()。tf.random_normal()函数用于从“服从指定正态分布的序列”中随机取出指定个数的值。tf.random.truncated_normal(),从截断的正态分布中输出随机值。生成的值服从具有指定平均值和标准偏差的正态分布,如果生成的值大于平均值2个标准偏差的值则丢弃重新选择。
在正态分布的曲线中,横轴区间(μ-σ,μ+σ)内的面积为68.268949%。
横轴区间(μ-2σ,μ+2σ)内的面积为95.449974%。
横轴区间(μ-3σ,μ+3σ)内的面积为99.730020%。
X落在(μ-3σ,μ+3σ)以外的概率小于千分之三,在实际问题中常认为相应的事件是不会发生的,基本上可以把区间(μ-3σ,μ+3σ)看作是随机变量X实际可能的取值区间,这称之为正态分布的“3σ”原则。
在tf.truncated_normal中如果x的取值在区间(μ-2σ,μ+2σ)之外则重新进行选择。这样保证了生成的值都在均值附近。

tf.random_normal(shape, mean=0.0
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值