Tensorflow基本函数

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

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

#生成正态分布随机数，默认为0，标准差为1
#tf.random.normal(维度，mean=均值,stddev=标准差)
#生成截断式正态分布随机数
#tf.random.normal(维度，mean=均值,stddev=标准差)
d=tf.random.normal([2,2],mean=0.5,stddev=1)
print(d)

tf.Tensor(
[[-0.33592695 0.7287319 ]
[-0.26194155 0.39999658]], shape=(2, 2), dtype=float32)

#生成均匀分布的随机数,设置最大最小值
#tf.random.uniform(维度，minval,maxval)
f=tf.random.uniform([2,2],minval=0,maxval=1)
print(f)

tf.Tensor(
[[0.8138783 0.24348927]
[0.13473332 0.86876833]], shape=(2, 2), dtype=float32)

#强制转换数据类型 tf.cast(张量名，dtype=数据类型)
x1=tf.constant([1.,2.,3.],dtype=tf.float64)
print(x1)
x2=tf.cast(x1,tf.int32)
print(x2)
#计算张量维度上的最大最小值 tf.reduce_min(张量名)  tf.reduce_max(张量名)
print(tf.reduce_min(x2),tf.reduce_max(x2))

tf.Tensor([1. 2. 3.], shape=(3,), dtype=float64)
tf.Tensor([1 2 3], shape=(3,), dtype=int32)
tf.Tensor(1, shape=(), dtype=int32) tf.Tensor(3, shape=(), dtype=int32)

#axis=0跨行操作，axis=1跨列操作,不指定则默认对所有元素操作
x=tf.constant([[1,2,3],[2,2,3]])
print(x)
print(tf.reduce_mean(x))
print(tf.reduce_sum(x,axis=1))

tf.Tensor(
[[1 2 3]
[2 2 3]], shape=(2, 3), dtype=int32)
tf.Tensor(2, shape=(), dtype=int32)
tf.Tensor([6 7], shape=(2,), dtype=int32)

#tf.Variable将变量标记为可训练
# + - * /
a=tf.ones([1,3])
b=tf.fill([1,3],3.)
print(a)
print(b)
print(tf.add(a,b))
print(tf.subtract(a,b))
print(tf.multiply(a,b))
print(tf.divide(b,a))

tf.Tensor([[1. 1. 1.]], shape=(1, 3), dtype=float32)
tf.Tensor([[3. 3. 3.]], shape=(1, 3), dtype=float32)
tf.Tensor([[4. 4. 4.]], shape=(1, 3), dtype=float32)
tf.Tensor([[-2. -2. -2.]], shape=(1, 3), dtype=float32)
tf.Tensor([[3. 3. 3.]], shape=(1, 3),