[TF学习系列] -- TensorFlow矩阵计算

1. 创建一个矩阵张量

tf.constant([1, 2, 3], shape=[2, 3])

生成一个2行3列的矩阵，第一行由输入填充，第二行由输入的数据随机填充。输出如下：

[[1 2 3], [3 3 3]]. 这是TF矩阵生成的一种优化结果。

2. 随机生成张量矩阵

   (1) tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

         正态分布随机数，均值mean，标准差stddev

   (2) tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

          截断正态分布随机数，均值mean，标准差stddev，不过只保留 [mean-2*stddev,  mean+2*stddev]  范围内的随机数

   (3) tf.random_uniform(shape, minval=0, maxval=None, dtype=tf.float32, seed=None, name=None)

           均匀分布 随机数，范围为 [minval, maxval]

3. 对于已生成的矩阵，可以通过   tf.shape(Tensor)   获取到矩阵张量 的形状。

4. 如果 需要重新改变矩阵的大小，使用  tf.reshape(tensor,  shape,  name=None)   方法。

  （1）如果shape=[-1]，表示将tensor展开成一个list。

  （2）如果shape=[a,b,c...]，其中a,b,c...均大于0，那么就是常规用法。

  （3）如果shape=[a,-1,c....]，此时b=-1，a,c...依然大于0，这 表示tf会根据tensor的原尺寸，自动计算b的值。

5. TF中几种常见的矩阵函数

TensorFlow中几种常见的矩阵函数

操作	描述
tf.diag(diagonal, name=None)	返回一个给定对角值的对角tensor
tf.diag_part(input, name=None)	功能与上面相反
tf.trace(x, name=None)	求一个2维tensor足迹，即对角值diagonal之和
tf.transpose(a, perm=None, name='transpose')	调换tensor的维度顺序 按照列表perm的维度排列调换tensor顺序
tf.matmul(a, b, transpose_a=False, transpose_b=False, a_is_sparse=False, b_is_sparse=False, name=None)	矩阵相乘
tf.matrix_determinant(input, name=None)	返回方阵的行列式
tf.matrix_inverse(input, adjoint=None, name=None)	求方阵的逆矩阵，adjoint为True时，计算输入共轭矩阵
tf的逆矩阵cholesky(input, name=None)	对输入方阵cholesky分解 即把一个对称正定的矩阵表示成一个下三角矩阵L和其转置的乘积的分解   A = LL^T
tf.matrix_xolve(matrix, rhs, adjoint=None, name=None)	求解tf.matrix_xolve(matrix, rhs, adjoint=None, name=None) matrix为方阵，shape为[M,M]，rhs的shape为[M,K]，output为[M,K]