深度学习基础-生成张量

创建一个张量

tf.constant(张量内容，dtype=数据类型(可选))

import tensorflow as tf
a=tf.constant([1,5],tf.dtype=int64)
print(a)
print(a.dtype)
print(a.shape)

将numpy的数据类型转换为Tensor数据类型

tf.convert_to_tensor(数据名,dtype=数据类型(可选))

import tensorflow as tf
import numpy as np
a=np.arange(0,5)
b=tf.convert_to_tensor(a,dtype=tf.int64)
print(a)
print(b)

特殊张量

1、创建全为0的张量
tf.zeros(维度)
2、创建全为1的张量
tf.ones(维度)
3、创建全为指定值的张量
tf.fill(维度,指定值)
维度:
一维 直接写个数
二维 用[行,列]
多维 用[n,m,j,k…]

import tensorflow as tf
import numpy as np
a=tf.zeros([2,3])
b=tf.ones(4)
c=tf.fill([3,4],8)
print(a)
print(b)
print(c)

生成正态分布的随机数，默认均值为0，标准差为1

tf.random.normal(维度,mean=均值,stddev=标准差)

生成截断式正态分布的随机数,都在2倍标准差之内，数据更向均值集中

tf.random.truncated_normal(维度,mean=均值,stddev=标准差)

d=tf.random.normal([2,2],mean=0.5,stddev=1)
print(d)
e=tf.random.truncated_normal([2,2],mean=0.5,stddev=1)
print(e)

生成均匀分布随机数

tf.random.uniform(维度,minval=最小值，maxval=最大值)

f=tf.random.uniform([2,2],minval=0,maxval=1)
print(f)