Tenflow基础教程15天。。。Recipe 2。。。创建Tensor

Tensor是Tensorflow中使用在计算图中的最基本的数据单位，我们可以声明Tensor为variable，或者为Tensor提供placeholer。但首先我们必须知道如何创建Tensor。

准备工作

当我们创建Tensor并定义其为Variable时，Tensorflow就计算图中创建了相应图形结构。需要指出的一点是，我们创建了Tensor，并不意味着已经将其传入计算图。在将Tensor定义为Variable之后，Tensorflow才会将其传入计算图。

如何操作

我们将在这介绍创建Tensor的主要方法。

1. 常量Tensor
   用‘zero’填充Tensor
   zero_tsr = tf.zeros([row_dim, col_dim])
   用‘one’填充Tensor
   ones_tsr = tf.ones([row_dim, col_dim])
   使用现有常数创建Tensor
   constant_tsr = tf.constant([1,2,3])

2. 映射Tensor
   我们也可以映射其他Tensor来创建新的Tensor。
   zeros_similar = tf.zeros_like(constant_tsr)
   ones_similar = tf.ones_like(constant_tsr)
   注意：通过这种方法创建的Tensor，要首先初始化原Tensor，如果同时初始化系统会报错。

3. 序列Tensor
   Tensorflow允许我们定义数组Tensor。通过类似于range()或者np.linespace的操作，来定义Tensor，例如：
   linear_tsr = tf.linspace(start=0, stop=1, start=3)
   输出是：
   数组 [0.0, 0.5, 1.0].
   这个函数的输出是包含两头的定义值得

   与之相区别的是：
   integer_seq_tsr = tf.range(start=6, limit=15, delta=3)
   输出是：
   数组[6, 9, 12].
   这个函数的输出是不包含两头的定义值得

4. 随机Tensor
   以下生成的随机数组是均匀分布的：
   randunif_tsr = tf.random_uniform([row_dim, col_dim],minval=0, maxval=1)
   请注意这种随机的均匀分布数组，包含minval，但不包含maxval。（mival<=x<maxval)

   生成正态分布的随机数组：
   randnorm_tsr = tf.random_normal([row_dim, col_dim],
   mean=0.0, stddev=1.0)

   有时我们希望生成一些在一定范围内正态分布的数组。truncated_normal()函数可以包含标准差和平均值。
   runcnorm_tsr = tf.truncated_normal([row_dim, col_dim],
   mean=0.0, stddev=1.0)

   也许我们会对洗牌数组感兴趣。可以通过random_shuffle()和random_crop()这个两个函数来完成。
   shuffled_output = tf.random_shuffle(input_tensor)
   cropped_output = tf.random_crop(input_tensor, crop_size)

   后面我们会对3通道彩色图片进行随机裁剪，生成固定大小的图片，可以使用cropped_output()函数，并给出图片的最大尺寸值。
   cropped_image = tf.random_crop(my_image, [height/2, width/2, 3])

如何工作

一旦我们决定如何创建Tensor，接下来我们可以使用Variable()函数来创建对应的variables， 并将创建的Tensor包含其中。
my_var = tf.Variable(tf.zeros([row_dim, col_dim]))

此外。。。。。。

我们不受限于使用内置函数。我还可以将numpy array、python list以及常数转换成Tensor，通过使用conver_to_tensor()函数。另外这个函数也可以接受将tensor作为输入。