tensorflow学习笔记（一）

tf.random_uniform()

作用

从均匀分布中输出随机值。

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

生成的值在该 [minval, maxval) 范围内遵循均匀分布.下限 minval 包含在范围内,而上限 maxval 被排除在外。对于浮点数,默认范围是 [0, 1)。对于整数，至少 maxval 必须明确地指定。

参数：
shape：一维整数张量或 Python 数组.输出张量的形状.
minval：生成的随机值范围的下限；默认为0.
maxval：要生成的随机值范围的上限.如果 dtype 是浮点,则默认为1 .
dtype：输出的类型.
seed：一个 Python 整数.用于为分布创建一个随机种子.查看 tf.set_random_seed 行为.
name：操作的名称(可选).

返回值：用于填充随机均匀值的指定形状的张量.

使用范例

import tensorflow as tf
with tf.Session() as sess:
    print(sess.run(tf.random_uniform(
        (4,4), minval=-3,
        maxval=2, dtype=tf.float32)))

输出结果

[[-0.3701501   1.8065462  -1.5054123  -1.3918422 ]
 [-1.2583034   0.88161945  1.3101077  -0.83475685]
 [ 1.3160667   1.7332792   1.2507796  -1.2930213 ]
 [-1.7016135  -1.1021321   1.7831392   1.1386504 ]]

tf.reduce_sum()

作用

计算张量tensor沿着某一维度的和

tf.reduce_sum(
    input_tensor, 
    axis=None, 
    keepdims=False,
    name=None,
    reduction_indices=None, 
    keep_dims=None)

input_tensor：待求和的tensor;
axis：指定的维，如果不指定，则计算所有元素的总和;
keepdims：是否保持原有张量的维度，设置为True，结果保持输入tensor的形状，设置为False，结果会降低维度，如果不传入这个参数，则系统默认为False;
name：操作的名称;
reduction_indices：用来指定轴，reduction_indices=[0]:按行求和，reduction_indices=[1]:按列求和；
keep_dims：用来设置是否保持原张量的维度;