tf 数值定义与计算

1、tf 数值定义

1）生成一个给定值的常量（tf.constant）

# 语法
tf.constant(value, dtype, shape, name)
# 举例，可随意赋值，自定义shape
A_const = tf.constant([[1, 2, 3, 4, 5, 6]], shape=[3,2])
# 输出
[[1 2]
 [3 4]
 [5 6]]

# 语法
tf.fill(dims, value, name)
# 样例 
A_const = tf.fill([3, 4], 3.2) #等价于 A_const = tf.constant(3.2, dtype='float32', shape=[3, 4])
# 输出
[[3.2 3.2 3.2 3.2]
 [3.2 3.2 3.2 3.2]
 [3.2 3.2 3.2 3.2]]

2）生成全0数组 && 生成全1数组（tf.zeros，tf.ones）&& 生成一个与给定tensor类型、形状一致的常量，其所有元素为0或1（tf.zeros_like，tf.ones_like）

# 语法
tf.zeros(shape, dtype, name) 
tf.ones(shape, dtype, name) 
# 生成两行三列的全0数组
A_const = tf.zeros([2, 3], dtype='int32')
# 生成两行三列的全1数组
B_const = tf.ones([2, 3], dtype='int32')

# 语法
tf.zeros_like(tensor, dtype, name)
tf.ones_like(tensor, dtype, name)
# 例子
A_const = tf.constant([[1, 2, 3], [4, 5, 6]])
A_zeros = tf.zeros_like(A_const, dtype='int32')
A_ones = tf.ones_like(A_const, dtype='int32')

3）生成序列（tf.range，tf.linspace）

# 序列tf.range类似于numpy的arange
A_const = tf.range(1, 10, 0.5) # 从1到10，步长为0.5
# 输出
[1.  1.5 2.  2.5 3.  3.5 4.  4.5 5.  5.5 6.  6.5 7.  7.5 8.  8.5 9.  9.5]

# 序列tf.linspace类似于numpy的linspace,需要注意start和end类型必须是`bfloat16`, `half`, `float32`, `float64`中的一个
A_const = tf.linspace(10.0, 12.0, 4, name="linspace") # 从10.0到12.0等间隔输出4个数字
# 输出
[10.       10.666667 11.333333 12.      ]

 

 

2、tf 数值计算

1）tf.reduce_mean

x = tf.constant([[1., 1.], [2., 2.]])
o1 = tf.reduce_mean(x)  # 1.5
o2 = tf.reduce_mean(x, 0)  # [1.5, 1.5]
o3 = tf.reduce_mean(x, 1)  # [1.,  2.]