目录
Tensor的创建方法
1. 从numpy或list直接转换为tensor:numpy中为具体的数据
2. 直接创建一个tensor(初始化为全1或0):tf‘.zeros中为创建的tensor的shape
- tf.zeros_like()函数:用于创建一个与另一个tensor的shape相同的tensor,与tf.zeros(a.shape)作用相同
- 对于初始化全部为1:将tf.zeros替换为tf.ones即可
- 对于初始化任意数值(需要自行设定数值,且初始化都为这个数值):用fill函数即可实现
3. 直接创建一个tensor(按正态分布或均匀分布)
- 正态分布:设置shape,均值(mean)和方差(stddev)。也可以使用截断的正态分布,即截取正态分布的一部分,可以有效避免梯度消失
- 均匀分布:设置shape,最大最小值
4. 直接创建一个tensor(自定义数据值)
- 使用函数tf.constant(),使用时注意维度一致(即不能第一行两列,第二行一列这种情况)
不同tensor常用的场景
- 标量(scaler)的tensor:损失函数或准确率
- 向量(vector)的tensor:可用于设计模型的bias(如线性模型的w*x+b的b)
- 矩阵(matrix)的tensor:表示输入,输出,模型的权重等(如线性模型的w*x+b的w)
- 高维(如维度为4)的tensor:如图片的存储