Tensorflow常量运算符

tensorflow生成数据的方式

Tensorflow 提供的可以生成固定常量的运算符

• tf.zeros(shape, dtype=tf.float32,name=None)

  创建一个指定shape的全部为0的的tensor

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

  给定一个tensor，返回一个全部都是0的shape与输入tensor一样的tensor，如果optimize为True，则attempt to statically determine the shape of ‘tensor’ and encode it as a constant.

• tf.ones

  和tf.zeros差不多，只不过是把0变成了1

• tf.ones_like

  和tf.zeros_like差不多，只不过把0变成了1

• tf.fill(dim, value, name=None)

  tf.fill([3], 3)，dim是一个list，value是一个值，返回一个指定dim的shape的，里面全是指定value的tensor

• tf.constant(value, dtype=None, shape=None, name=”Const”, verify_shape=False)

  value是传入的值，可以使一个值也可以是一个list，如果value是一个list，那么list的长度不能长于shape中规定的长度（长了就会报错），如果比shape中指定的长度短，那么就用list中最后一个元素填充剩下的长度；如果shape没有指定，那么就用value中的shape；如果dtype没有指定的话，就用value中的type；verify_shpe是指是否检查shpae，如果输入和要求的shape不一样，就会报错。

• tf.linspace(start, stop, num, name=None)

  返回以start开始，以stop结束，一共有num个数的等差数列的tensor，所以当num>1时，步长为：(stop-start)/(num-1)，如果num=1，那么就只有start

• tf.range(start, limit=None, delta=1, dtype=None, name=”range”)

  返回一个tensor：从start开始，以delta为步长，到limit为止，但不包括limit。如果start>limit则报错

TensorFlow提供可以生成随机常量的运算符：

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

  返回一个形如shape的元素是随机出来的tensor，其中的元素服从正态分布，seed是一个int值，如果两次seed设置一样，则结果一样

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

  返回一个形如shape的元素是随机出来的tensor，其中的元素服从正态分布，seed是一个int值，如果两次seed设置一样，则结果一样。但重点是，这个函数是一个截断的生成正态分布的函数，如果生成的某个值与均值的差大于两倍的标准差的话，就这个值就会重新随机。

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

  返回一个形如shape的元素是随机出来的tensor，其中的元素服从最小值为minval，最大值为maxval的均匀分布。如果dtype为float，则maxval的默认值为1，如果dtype是其他的话，你就需要指定maxval了，否则就报错了。

• tf.random_shuffle(value, seed=None, name=None)

  返回一个value（list）洗牌后的tensor，洗牌以第一维为基础，就是第一维会打乱，里面的不受影响。

• tf.random_crop(value, size, seed=None, name=None)

  value是一个list，crop是收割裁剪的意思，就是把value随机的裁剪成size的样子。需要value.shpae>size。如：value=[1,2,3,4],size=[1]（size也要是数组），那么结果就是[1（随机）]。注意size的维度要与value相同，如：value=[[1,2],[3,4]]，size也需要是[x,x]。

• tf.multinomial(logits, num_samples, seed=None, name=None, output_dtype=None)

  从多项式分布中采样。具体一点说：logits是一个2-D的tensor，shape为[batch_size, class_nums]，而num_samples的意思是，从每行里面sample出几个元素，sample出来的并不是那个元素的值，而是那个元素的序列号。

• tf.random_gramma(shape, alpha, beta=None, dtype=dtypes.float32, seed=None, name=None)

  返回一个形如shape的tensor，其中的元素服从伽马分布（随机变量X为等到第alpha件事情发生所需等待时间，即为多个独立且相同分布（iid）的指数分布变量的和的分布。）shape是一个1D的tensor或者一个list；alpha：N-D的array，也是shape参数；beta：N-D的array，grammar分布的逆比例尺度参数。tf.random_gamma([10], [0.5, 1.5])->shape为：[10, 2]， tf.random_gamma([7, 5], [0.5, 1.5])->shape为[7,5,2]，tf.random_gamma([30], [[1.],[3.],[5.]], beta=[[3., 4.]])->shape为[30, 3, 2]。

• tf.random_poisson(lam, shape, dtype=dtype.float32, seed=None, name=None)

  返回一个泊松分布随机tensor，lam是泊松分布的参数，可以使一个tensor或者是N-Darray。tf.random_poisson([0.5, 1.5], [10])的shape为[10, 2]，其中[:, 0]服从lambda为0.5的泊松分布，[:, 1]服从lambda为1.5的泊松分布。

• tf.parameterized_truncated_normal(shape, means=0.0, stddevs=1.0,
  minvals=-2.0, maxvals=2.0, dtype=dtypes.float32, seed=None,name=None)

  能够指定最大值和最小值的truncated_normal

个人学习之作，如有错误，请批评指正