TensorFlow学习——第一天（2）

还是关于TensorFlow的基础知识，这次学习TensorFlow中数据的类型。
一共包括四种：

• 标量：好像没啥说的
• 向量：n*1的矩阵，一维
• 矩阵：n*n的矩阵，二维
• 张量：n的n次方，n维。其中包括三种类型：常量，变量（每次加载图的时候会占用内存），占位符（现在没用过，也没太看懂用来干哈，先粘个定义：用于将值输入 TensorFlow 图中。它们可以和 feed_dict 一起使用来输入数据。在训练神经网络时，它们通常用于提供新的训练样本。在会话中运行计算图时，可以为占位符赋值。这样在构建一个计算图时不需要真正地输入数据。需要注意的是，占位符不包含任何数据，因此不需要初始化它们。）

下面举一些栗子来形象的学习一下这些数据类型：

• 声明一个常量标量：

v_1 = tf.constant(6)

• 声明一个常量向量：

v_2 = tf.constant([1,2,3,4])

• 想要创建一个所有元素都为0的张量，使用以下函数：

v_3 = tf.zeros([2,3],tf.int32)

语句的结果是创造出一个2*3的名为v_3的矩阵且数据类型是int32。

• 还可以使用like创造出与现有Numpy数组或张量常量具有相同形状的常量张量：

v_4 = tf.zeros_like(v_3)
#创造一个与v_3矩阵很像的，元素全是0的v_4矩阵
v_5 = tf.ones_like(v_3)
#创造一个与v_3矩阵很像的，元素全是1的v_5矩阵

• 创造一个m*n的，元素均为1的矩阵：

v_6 = tf.ones([m,n],tf.int32)
#与上述的创造所有元素全为0的张量十分类似

• 在一定数值的范围内生成一个从初值到终值等差排布的一个序列,其中的间隔值为(stop-start)/(num-1)，代码如下：

tf.linespace(start,stop,num)
tf.linespace(2.0,5.0,5)
#生成的结果为[2.0 2.75 3.5 4.25 5.0]

• 从开始（默认值=0）生成一个数字序列，增量为 delta（默认值=1），直到终值（但不包括终值）：

tf.range(start,limit,delta)

举个栗子：

v_7 = tf.range(10)
#生成的结果为[0 1 2 3 4 5 6 7 8 9]

基础知识就写到这儿了……我还是手撸代码去吧