tf.ones、tf.zeros、tf.ones_like、tf.zeros_like、tf.fill、tf.eye、tf.one_hot、tf.range、tf.linspace函数

1、tf.ones函数

函数原型：

tf.ones(
    shape,
    dtype=tf.dtypes.float32,
    name=None
)

函数说明：

生成给定形状的全1的tensor张量

函数使用:

>>> a = tf.ones((2, 2))
>>> a
<tf.Tensor: shape=(2, 2), dtype=float32, numpy=
array([[1., 1.],
       [1., 1.]], dtype=float32)>

2、tf.zeros函数

函数原型

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

函数说明

生成全0的tensor张量

函数使用

>>> a = tf.zeros((2, 2))
>>> a
<tf.Tensor: shape=(2, 2), dtype=float32, numpy=
array([[0., 0.],
       [0., 0.]], dtype=float32)>

3、tf.ones_like函数

函数原型

tf.ones_like(
    input, dtype=None, name=None
)

函数说明

根据给定的张量生成相同形状的全1的tensor张量

函数使用

>>> a = tf.constant([[1, 2], [3, 4]])
>>> b = tf.ones_like(a)
>>> b
<tf.Tensor: shape=(2, 2), dtype=int32, numpy=
array([[1, 1],
       [1, 1]])>

4、tf.zeros_like函数

函数原型

tf.zeros_like(
    input, dtype=None, name=None
)

函数说明

根据给定的张量生成相同形状的全0的tensor张量

函数使用

>>> a = tf.constant([[1, 2], [3, 4]])
>>> b = tf.zeros_like(a)
>>> b
<tf.Tensor: shape=(2, 2), dtype=int32, numpy=
array([[0, 0],
       [0, 0]])>

5、tf.fill函数

函数原型

tf.fill(
    dims, value, name=None
)

函数说明

根据给定形状的生成全是值value的tensor张量

函数使用

>>> a = tf.fill((2, 2), 2)
>>> a
<tf.Tensor: shape=(2, 2), dtype=int32, numpy=
array([[2, 2],
       [2, 2]])>

6、tf.eye函数

函数原型

tf.eye(
    num_rows,
    num_columns=None,
    batch_shape=None,
    dtype=tf.dtypes.float32,
    name=None
)

函数说明

生成一个单位张量或者根据给定batch_shape生成一批单位张量

函数使用

>>> a = tf.eye(3)
>>> a
<tf.Tensor: shape=(3, 3), dtype=float32, numpy=
array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]], dtype=float32)>
>>> a = tf.eye(2, 3)
>>> a
<tf.Tensor: shape=(2, 3), dtype=float32, numpy=
array([[1., 0., 0.],
       [0., 1., 0.]], dtype=float32)>
>>> a = tf.eye(2, batch_shape=[2])
>>> a
<tf.Tensor: shape=(2, 2, 2), dtype=float32, numpy=
array([[[1., 0.],
        [0., 1.]],

       [[1., 0.],
        [0., 1.]]], dtype=float32)>
>>> a = tf.eye(2, batch_shape=[2, 2])
>>> a
<tf.Tensor: shape=(2, 2, 2, 2), dtype=float32, numpy=
array([[[[1., 0.],
         [0., 1.]],

        [[1., 0.],
         [0., 1.]]],


       [[[1., 0.],
         [0., 1.]],

        [[1., 0.],
         [0., 1.]]]], dtype=float32)>

7、tf.one_hot函数

函数原型

tf.one_hot(
    indices,
    depth,
    on_value=None,
    off_value=None,
    axis=None,
    dtype=None,
    name=None
)

函数说明

产生一个用one_hot编码的张量，参数indices相当于一个表示类别的列表，参数depth相当于有多少类。还有两个参数on_value、off_value分别表示用于one_hot编码里面的0-1的值。aixs表示在哪个维度上编码，默认为None或者-1，在最后的一个维度编码。

函数使用

>>> a = tf.one_hot([0, 2, 3], 4)
>>> a
<tf.Tensor: shape=(3, 4), dtype=float32, numpy=
array([[1., 0., 0., 0.],
       [0., 0., 1., 0.],
       [0., 0., 0., 1.]], dtype=float32)>
>>> a = tf.one_hot([0, 2, 3], 4, on_value=2, off_value=1)
>>> a
<tf.Tensor: shape=(3, 4), dtype=int32, numpy=
array([[2, 1, 1, 1],
       [1, 1, 2, 1],
       [1, 1, 1, 2]])>

8、range函数

函数原型

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

函数说明

产生一定顺序的张量

函数使用

>>> a = tf.range(5)
>>> a
<tf.Tensor: shape=(5,), dtype=int32, numpy=array([0, 1, 2, 3, 4])>
>>> b = tf.range(1, 6, 2)
>>> b
<tf.Tensor: shape=(3,), dtype=int32, numpy=array([1, 3, 5])>

9、linspace函数

函数原型

tf.linspace(
    start, stop, num, name=None, axis=0
)

函数说明

生成均匀间隔数量为num的张量

函数使用

>>>tf.linspace(10.0, 12.0, 3, name="linspace") 
>>><tf.Tensor: shape=(3,), dtype=float32, numpy=array([10., 11., 12.], dtype=float32)>
>
>>> tf.linspace([0., 5.], [10., 40.], 5, axis=0)
<tf.Tensor: shape=(5, 2), dtype=float32, numpy=
array([[ 0.  ,  5.  ],
       [ 2.5 , 13.75],
       [ 5.  , 22.5 ],
       [ 7.5 , 31.25],
       [10.  , 40.  ]], dtype=float32)>