张量-数值操作函数
tf.ones(shape,dtype)该函数可以按指定类型与形状生成值为1的张量。
示例代码如下:
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
temp = tf.ones([2,3],tf.int32)
with tf.Session() as sess:
print(sess.run(temp))
tf.ones_like(input)该函数可生成和输入张量一样形状和类型的值为1的张量。
示例代码如下:
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
arry = [[1,2,3],[4,5,6]]
temp = tf.ones_like(arry)
with tf.Session() as sess:
print(sess.run(temp))
tf.zeros(shape,dtype)该函数可以按指定类型与形状生成值为0的张量。
示例代码如下:
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
temp = tf.zeros([2,3],tf.int32)
with tf.Session() as sess:
print(sess.run(temp))
tf.zeros_like(input)该函数可生成和输入张量一样形状和类型的值为0的张量。
示例代码如下:
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
arry = [[1,2,3],[4,5,6]]
temp = tf.zeros_like(arry)
with tf.Session() as sess:
print(sess.run(temp))
tf.fill(shape,value)该函数可以为指定形状填值。
示例代码如下:
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
temp = tf.fill([2,3],2)
with tf.Session() as sess:
print(sess.run(temp))
tf.constant(value,shape = None)该函数用于生成常量。
示例代码如下:
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
temp = tf.constant(1)
temp2 = tf.constant(2,shape = [2,3])
with tf.Session() as sess:
print(sess.run(temp))
print(sess.run(temp2))
tf.random_normal(shape,mean = 0.0,stddev = 1.0,dtype = tf.float32,seed = None,name = None),其中shape为输出张量的形状,是必填项。mean是正态分布的均值,默认为0,dtype为输出的类型,默认为tf.float32,seed为随机数种子,是一个整数,用于为分发创建一个随机种子,当设置之后,每次生成的随机数都一样,name为操作的名称。
该函数用于从"服从指定正态分布的序列"中随机取出指定个数的值,取出这几个数的均值为mean,标准差为stddev。
示例代码如下:
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
a = tf.Variable(tf.random_normal([3,4],mean = 3,stddev = 1,seed = 1))
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
print(a)
print(sess.run(a))
tf.trucated_normal(shape,mean = 0.0,stddev = 1.0,dtype = tf.float32,seed = None,name = None),其中shape为输出张量的形状,是必填项。mean是正态分布的均值,默认为0,stddev是正态分布的标准差,默认为1.0,dtype为输出的类型,默认为tf.float32,seed为随机种子,是一个整数,用于为分发创建一个随机种子,当设置之后,每次生成的随机数都一样,name为操作的名称。
该函数用于产生截断的正态分布随机数,均值为mean,标准差为stddev,只保留[mean - 2 * stddev,mean + 2 * stddev]范围内的随机数,超出这个范围之外的,需要重新选择。
示例代码如下:
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
a = tf.Variable(tf.random_normal([3,4],mean = 3,stddev = 1,seed = 1))
b = tf.Variable(tf.truncated_normal([3,4],mean = 3,stddev = 1,seed = 1))
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
print(sess.run(a))
print(sess.run(b))
tf.random_uniform(shape,minval = 0,maxval = None,dtype = tf.float32,seed = None,name = None),其中minval为生成的随机值范围的下限,默认为0。maxval为生成的随机值范围的上限,默认为1。由于dtype定义的类型为32为浮点数,因此minval和maxval的值也都是浮点数。
该函数用于从均匀分布中输出随机值,生成的这些值在[minval,maxval)范围内均匀分布。
示例代码如下:
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
a = tf.random_uniform([5,3],-2,3,tf.float32)
with tf.Session() as sess:
print(a.eval())
tf.random_crop(value,size,seed = None,name = None)该函数用于随机地将张量裁剪为给定的大小,可以用来裁剪图片。其中value为输入的张量,size为指定的大小。
示例代码如下:
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
a = tf.random_crop([[1,2],[3,4]],(2,2))
b = tf.random_crop([[1,2],[3,4]],(1,2))
c = tf.random_crop([[1,2],[3,4]],(2,1))
with tf.Session() as sess:
print(sess.run(a))
print("--------------")
print(sess.run(b))
print("--------------")
print(sess.run(c))
tf.set_random_seed(seed)该函数用于设置全局随机数种子。
示例代码如下:
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
tf.reset_default_graph()
#tf.set_random_seed(1234)
a = tf.random_uniform([1])
b = tf.random_uniform([1])
with tf.Session() as sess:
print(sess.run(a))
print(sess.run(a))
print(sess.run(b))
print(sess.run(b))
print("--------------------")
with tf.Session() as sess2:
print(sess2.run(a))
print(sess2.run(a))
print(sess2.run(b))
print(sess2.run(b))
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
tf.reset_default_graph()
#tf.set_random_seed(1234)
a = tf.random_uniform([1],seed = 1)
b = tf.random_uniform([1])
with tf.Session() as sess:
print(sess.run(a))
print(sess.run(a))
print(sess.run(b))
print(sess.run(b))
print("--------------------")
with tf.Session() as sess2:
print(sess2.run(a))
print(sess2.run(a))
print(sess2.run(b))
print(sess2.run(b))
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
tf.reset_default_graph()
tf.set_random_seed(1234)
a = tf.random_uniform([1])
b = tf.random_uniform([1])
with tf.Session() as sess:
print(sess.run(a))
print(sess.run(a))
print(sess.run(b))
print(sess.run(b))
print("--------------------")
with tf.Session() as sess2:
print(sess2.run(a))
print(sess2.run(a))
print(sess2.run(b))
print(sess2.run(b))
tf.linespace(start,stop,num,name = None)该函数可以在[start,stop]范围内产生num个数的等差数列。
示例代码如下:
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
x = tf.linspace(1,100,10)
with tf.Session() as sess:
print(sess.run(x))
tf.range(start,limit,delta = 1,dtype = None,name = 'range')该函数可以在[start,limit)范围内以步进值delta产生等差数列。这里不包括limit在内,delta是等差数列的插值。
示例代码如下:
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
x = tf.range(3,12,3)
with tf.Session() as sess:
print(sess.run(x))