1、tf.ones(shape,type=tf.float32,name=None)
tf.ones([
2
,
3
],int32) ==> [[
1
,
1
,
1
],[
1
,
1
,
1
]]
tf.zeros([
2
,
3
],int32) ==> [[
0
,
0
,
0
],[
0
,
0
,
0
]]
新建一个与给定的tensor类型大小一致的tensor,其所有元素为1。
#'tensor' is [[1, 2, 3], [4, 5, 6]]
tf.ones_like(tensor) ==> [[
1
,
1
,
1
],[
1
,
1
,
1
]]
新建一个与给定的tensor类型大小一致的tensor,其所有元素为0。
#'tensor' is [[1, 2, 3], [4, 5, 6]]
tf.ones_like(tensor)==>
[[
0
,
0
,
0
],[
0
,
0
,
0
]]
创建一个形状大小为dim的tensor,其初始值为value
# Outputtensor has shape [2, 3].
fill([2,3], 9) ==> [[9, 9, 9]
[9, 9, 9]]
创建一个常量tensor,先给出value,可以设定其shape
#Constant 1-D Tensor populated with value list.
tensor =tf.constant([
1
,
2
,
3
,
4
,
5
,
6
,
7
])=> [
1
2
3
4
5
6
7
]
# Constant 2-D tensorpopulated with scalar value -1.
tensor =tf.constant(-
1.0
,shape=[
2
,
3
])=> [[-
1.
-
1.
-
1.
][-
1.
-
1.
-
1.
]
返回一个tensor,该tensor中的数值在start到stop区间之间取等差数列(包含start和stop),如果num>1则差值为(stop-start)/(num-1),以保证最后一个元素的值为stop。
其中,start和stop必须为tf.float32或tf.float64。num的类型为int。
tf.linspace(10.0,12.0, 3, name="linspace") => [ 10.0 11.0 12.0]
返回一个tensor等差数列,该tensor中的数值在start到limit之间,不包括limit,delta是等差数列的差值。
start,limit和delta都是int32类型。
# 'start'is 3
# 'limit'is 18
# 'delta'is 3
tf.range(start, limit, delta) ==> [3, 6, 9,12, 15]
# 'limit'is 5 start is 0
tf.range(start, limit) ==> [0, 1, 2, 3,4]
返回一个tensor其中的元素的值服从正态分布。
forbehavior。
返回一个tensor其中的元素服从截断正态分布(?概念不懂,留疑)
返回一个形状为shape的tensor,其中的元素服从minval和maxval之间的均匀分布。
对value(是一个tensor)的第一维进行随机化。
[[1,2], [[2,3],
[2,3], ==> [1,2],
[3,4]] [3,4]]
设置产生随机数的种子。
2、tf.zeros(shape,type=tf.float32,name=None)
3、tf.ones_like(tensor,dype=None,name=None)
4、tf.zeros_like(tensor,dype=None,name=None)
5、tf.fill(dim,value,name=None)
6、tf.constant(value,dtype=None,shape=None,name='Const')
7、tf.linspace(start,stop,num,name=None)
8、tf.range(start,limit=None,delta=1,name='range')
9、tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None)
seed
:A Python integer. Used to create a random seed for thedistribution.See set_random_seed
10、tf.truncated_normal(shape,mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
11、tf.random_uniform(shape,minval=0,maxval=None,dtype=tf.float32,seed=None,name=None)
12、tf.random_shuffle(value,seed=None,name=None)
13、tf.set_random_seed(seed)