Tensorlow 中的常量值函数：tf.zeros()、tf.ones()、tf.fill()和tf.constant(）

Tensors常量值函数

• tf.constant(value, dtype=None, shape=None, name='Const')
• tf.zeros(shape, dtype=tf.float32, name=None)
• tf.zeros_like(tensor, dtype=None, name=None)
• tf.ones(shape, dtype=tf.float32, name=None)
• tf.ones_like(tensor, dtype=None, name=None)
• tf.fill(dims, value, name=None)

注意，tensorflow中的shape参数都是python中下list，即shape参数为$[axis0,axis1,axis2,....]$的形式，而不能是单个的数字。

tf.constant(value,dtype=None,shape=None,name=’Const’)

参数：

• value: 第一个值value是必须的，可以是一个数值，也可以是一个列表。
• dtype: 所要创建的tensor的数据类型
• shape: 所要创建的tensor的shape
• name: (可选)一个该操作的别名.

value可以是一个数，也可以是一个list。 如果是一个数，那么这个tensor中所有值的按该数来赋值。 如果是list, 那么value的长度一定要小于等于shape展开后的长度。赋值时，先将value中的值逐个存入。不够的部分，则全部存入value的最后一个值。

# coding=utf8

import tensorflow as tf
import numpy as np

a = tf.constant(2,shape=[2])    #一个长为2的list
b = tf.constant(2,shape=[2,2])   #元素都是2的2*2的矩阵
c = tf.constant([1,2,3],shape=[6])   # 后面的元素用3填充
d = tf.constant([1,2,3],shape=[3,2])

sess = tf.Session()
sess.run(tf.global_variables_initializer())
print(sess.run(a),)
print()
print(sess.run(b))
print()
print(sess.run(c))
print()
print(sess.run(d))

输出

[2 2]

[[2 2]
 [2 2]]

[1 2 3 3 3 3]

[[1 2]
 [3 3]
 [3 3]]

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

参数:

• shape:用于表示维度，通常为一个int32类型数组，或者一个一维(1-D)的tf.int32数字．注意不能直接使用数字
• dtype: 所要创建的tensor对象的数据类型
• name: (可选)一个该操作的别名.

返回：

• 所有参数都为０的tensor对象

这个操作会返回一个类型为dtype，并且维度为sharp的tensor，并且所有的参数均为0。

import tensorflow as tf
import numpy as np

a = tf.zeros([2])
b = tf.zeros([2, 3], dtype=tf.int32)
sess = tf.Session()
sess.run(tf.global_variables_initializer())
print(sess.run(a))
print("\n")
print(sess.run(b))

输出

[ 0.  0.]

[[0 0 0]
 [0 0 0]]

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

参数:

• tensor: tensor对象
• dtype: 返回的tensor对象类型，不设置(为空时)时返回类型同参数tensor一致．
  该参数必须为如下tensorflow类型： float32, float64, int8, int16, int32, int64, uint8以及complex64.
• name: （可选）该操作别名.

返回：

• 所有参数为０的tensor对象

给定一个tensor(tensor对象)，该方法会返回一个类似当前tensor参数类型以及维度的对象，但是所有参数的值均为0。当参数dtype选定了后，所有返回参数的类型也会变成选定的类型

import tensorflow as tf
import numpy as np

a = tf.constant([1, 2, 3, 4, 5, 6], shape=[2, 3])
b = tf.zeros_like(a)
sess = tf.Session()
sess.run(tf.global_variables_initializer())
print(sess.run(a))
print(sess.run(b))

输出：

[[1 2 3]
 [4 5 6]]
 
[[0 0 0]
 [0 0 0]]

tf.ones()与tf.ones_like()和tf.zeros()与tf.zeros_like()类似，故不再赘述

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

参数:

• dims: 类型为int32的tensor对象，用于表示输出的维度(1-D, n-D)，通常为一个int32数组，如：[1], [2,3]等
• value: 常量值(字符串，数字等)，该参数用于设置到最终返回的tensor对象值中
• name: (可选)当前操作别名

返回:

• tensor对象，类型和value一致

创建一个维度为dims，值为value的tensor对象。该操作会创建一个维度为dims的tensor对象，并将其值设置为value，该tensor对象中的值类型和value一致

import tensorflow as tf
import numpy as np

a = tf.fill([10], 0)
b = tf.fill([2, 3, 4], 5)

sess = tf.Session()
sess.run(tf.global_variables_initializer())
print(sess.run(a),)
print()
print(sess.run(b))

输出：

[0 0 0 0 0 0 0 0 0 0]

[[[5 5 5 5]
  [5 5 5 5]
  [5 5 5 5]]

 [[5 5 5 5]
  [5 5 5 5]
  [5 5 5 5]]]

参考：https://blog.csdn.net/hk_john/article/details/78189676