Tensor的创建

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

1. 标量（scaler）的tensor：损失函数或准确率
2. 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）
3. 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）
4. 高维（如维度为4）的tensor：如图片的存储