tf.ones_like和tf.zeros_like()

参考  tf.less_equal或tf.math.less_equal - 云+社区 - 腾讯云

一、tf.ones_like 

tf.ones_like(
    tensor,
    dtype=None,
    name=None,
    optimize=True
)

创建一个所有元素都设为1的张量。给定一个张量(张量)，这个操作返回一个与所有元素都设为1的张量类型和形状相同的张量。还可以为返回的张量指定一个新类型(dtype)。

例:

tensor = tf.constant([[1, 2, 3], [4, 5, 6]])
tf.ones_like(tensor)  # [[1, 1, 1], [1, 1, 1]]

参数:

• tensor:  一个张量。
• dtype:  返回张量的类型。必须是float32、float64、int8、uint8、int16、uint16、int32、int64、complex64、complex128orbool '。
• name:  操作的名称(可选)。
• optimize:  如果为真，尝试静态确定“张量”的形状，并将其编码为常量。

返回值:

• 一个所有元素都为1的张量。

例：

import tensorflow as tf
import numpy as np

# 生成一个tensor，内部数据随机产生
a = tf.convert_to_tensor(np.random.random([2, 4, 5]), dtype=tf.float32)

# ones_like
b = tf.ones_like(a, dtype=tf.float32, name='ones_like')

# zeros_like
c = tf.zeros_like(a, dtype=tf.float32, name='zeros_like')

print(b)

print(c)

with tf.Session() as sess:
    b_, c_ = sess.run([b, c])
    print("b's shape: ", b_.shape)
    print("c's shape: ", c_.shape)
    print(b_)
    print(c_)


Output:
--------------------------------------------------------
Tensor("ones_like:0", shape=(2, 4, 5), dtype=float32)
Tensor("zeros_like:0", shape=(2, 4, 5), dtype=float32)
b's shape:  (2, 4, 5)
c's shape:  (2, 4, 5)
[[[1. 1. 1. 1. 1.]
  [1. 1. 1. 1. 1.]
  [1. 1. 1. 1. 1.]
  [1. 1. 1. 1. 1.]]

 [[1. 1. 1. 1. 1.]
  [1. 1. 1. 1. 1.]
  [1. 1. 1. 1. 1.]
  [1. 1. 1. 1. 1.]]]
[[[0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]]

 [[0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]]]
--------------------------------------------------------

二、tf.zeros_like()

创建一个所有元素都为零的张量。

tf.zeros_like(
    input,
    dtype=None,
    name=None
)

给定一个张量(张量)，这个操作返回一个与所有元素为零的张量类型和形状相同的张量。还可以选择使用dtype为返回的张量指定一个新类型。

例：

tensor = tf.constant([[1, 2, 3], [4, 5, 6]])
tf.zeros_like(tensor)  # [[0, 0, 0], [0, 0, 0]] with dtype=int32

If dtype of input `tensor` is `float32`, then the output is also of `float32`
tensor = tf.constant([[1.0, 2.0, 3.0], [4, 5, 6]])
tf.zeros_like(tensor)  # [[0., 0., 0.], [0., 0., 0.]] with dtype=floa32

If you want to specify desired dtype of output `tensor`, then specify it in
the op tensor = tf.constant([[1.0, 2.0, 3.0], [4, 5, 6]])
tf.zeros_like(tensor,dtype=tf.int32)  # [[0, 0, 0], [0, 0, 0]] with
dtype=int32

参数：

• input:一个张量。
• dtype:返回张量的类型。必须是float16、float32、float64、int8、uint8、int16、uint16、int32、int64、complex64、complex128、bool或字符串。
• name:操作的名称(可选)。

返回值：

• 一个所有元素都为零的张量。