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;