TensorFlow人工智能学习创建数据实现示例详解

目录

• 一、数据创建
• 1.tf.constant()
• 2.tf.convert_to_tensor()
• 3.tf.zeros()
• 4.tf.fill()
• 二、数据随机初始化
• ①tf.random.normal()
• ②tf.random.truncated_normal()
• ③tf.random.uniform()
• ④tf.random.shuffle()

一、数据创建

1.tf.constant()

创建自定义类型，自定义形状的数据，但不能创建类似于下面In [59]这样的，无法解释的数据。

2.tf.convert_to_tensor()

可以把numpy以及List类型的数据直接转换为tensor

3.tf.zeros()

和常用的方式一样，传入包含中括号的shape即可。

tf.zeros_like和pytorch功能一样，传入有某个shape的数据，会生成和那个shape一样的zeros数据。tf.ones, tf.ones_like和你想的一样。

4.tf.fill()

生成指定形状的，所有内容都一样的数据，前面shape，后面参数是填充的内容。

二、数据随机初始化

①tf.random.normal()

正态分布，传入形状，可指定均值方差。

②tf.random.truncated_normal()

裁剪过后的数据，裁去了前后分布太少的数据，只从中间数据多的地方取数据，同样可以指定均值方差。

③tf.random.uniform()

均匀分布初始化，形状，最小值，最大值

④tf.random.shuffle()

随机打散，可以打散一个索引顺序，通过tf.gather去对应，这样可以实现两个同样行数的数据，进行索引一一对应的随机打散。

以上就是TensorFlow人工智能学习创建数据实现示例详解的详细内容，更多关于TensorFlow人工智能的资料请关注脚本之家其它相关文章！