import tensorflow as tf
a=tf.constant([[1,2],[3,4]])
b=tf.constant([6,6])
result=tf.add(a,b)
sess=tf.Session()
sess.run(result)
array([[ 7, 8],
[ 9, 10]], dtype=int32)
c=tf.constant([[1,2,3],[4,5,6]])
result3=a*b
sess.run(result3)
array([[ 6, 12],
[18, 24]], dtype=int32)>>> x1=tf.constant([[1,2],[3,4]],name="x1")
x1=tf.constant([[1,2],[3,4]],name="x1")
x2=tf.constant([[11,22],[33,44]],name="x2")
y=tf.matmul(x1,x2)
sess.run(y)
array([[ 77, 110],
[165, 242]], dtype=int32)
x3=tf.constant([[10,20],],name="x3")
z=tf.matmul(x3,x1)
sess.run(z)
array([[ 70, 100]], dtype=int32)
正太分布
n1=tf.random_normal([2,3],mean=5,stddev=2)
正太分布，随机值偏离平均值超过2个标准差，会重新生成新的随机数，避免产生统计学上的异常数据。
n2=tf.truncated_normal([2,3],mean=6,stddev=1)
平均分布
n3=tf.random_uniform([2,3],minval=5,maxval=20)
gamma分布
n4=tf.random_gamma([2,3],alpha=1.5,beta=2.9)
sess.run(n1)
array([[ 1.70361972, 0.65788937, 7.08583546],
[ 5.49968147, 2.47537422, 7.47936249]], dtype=float32)
sess.run(n2)
array([[ 5.51383209, 5.28713369, 5.9794035 ],
[ 5.45024824, 6.65198326, 4.69569492]], dtype=float32)
sess.run(n3)
array([[ 9.39581871, 13.13985538, 17.50672722],
[ 10.08992577, 15.1558075 , 18.60567093]], dtype=float32)
sess.run(n4)
array([[ 0.3365562 , 0.27886772, 0.8982302 ],
[ 0.21223408, 0.95498532, 1.72396851]], dtype=float32)
n5=tf.Variable(tf.random_normal([2,3],mean=8,stddev=2))
m1=tf.zeros([2,2],tf.int32)
m2=tf.ones([2,2],tf.float32)
m3=tf.fill([2,2],66)
sess.run(m1)
array([[0, 0],
[0, 0]], dtype=int32)
sess.run(m2)
array([[ 1., 1.],
[ 1., 1.]], dtype=float32)
sess.run(m3)
array([[66, 66],
[66, 66]], dtype=int32)
