tensorflow一些函数:

1、tf.ones(shape,type=tf.float32,name=None)

     tf.ones([2, 3], int32) ==> [[1, 1, 1], [1, 1, 1]]
 
2、tf.zeros(shape,type=tf.float32,name=None)
     tf.zeros([2, 3], int32) ==> [[0, 0, 0], [0, 0, 0]]

3、tf.ones_like(tensor,dype=None,name=None)
   
 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]]

 
4、tf.zeros_like(tensor,dype=None,name=None)
   
 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]]
 
5、tf.fill(dim,value,name=None)
   
 创建一个形状大小为dim的tensor,其初始值为value
     # Output
tensor has shape [2, 3]. 
     fill([2,
3], 9) ==> [[9, 9, 9] 
     
     
     
     
     
   [9, 9, 9]]
 
6、tf.constant(value,dtype=None,shape=None,name='Const')
   
 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 tensor
populated with scalar value -1. 
     tensor =
tf.constant(-1.0,
shape=[2,

3])
=> [[-1.

-1.

-1.]
[-1.

-1.

-1.]

 
7、tf.linspace(start,stop,num,name=None)
   
 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]
 
8、tf.range(start,limit=None,delta=1,name='range')
   
 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]
 
9、tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None)
   
 返回一个tensor其中的元素的值服从正态分布。
   
 seed:
A Python integer. Used to create a random seed for the
distribution.See set_random_seed for
behavior。
 
10、tf.truncated_normal(shape,
mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
 
  返回一个tensor其中的元素服从截断正态分布(?概念不懂,留疑)
 
11、tf.random_uniform(shape,minval=0,maxval=None,dtype=tf.float32,seed=None,name=None)
 
 
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。
 
12、tf.random_shuffle(value,seed=None,name=None)
 
     
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]] 
 
13、tf.set_random_seed(seed)
   
   
设置产生随机数的种子。

tensorflow 学习笔记的更多相关文章

  1. Tensorflow学习笔记2:About Session, Graph, Operation and Tensor

    简介 上一篇笔记:Tensorflow学习笔记1:Get Started 我们谈到Tensorflow是基于图(Graph)的计算系统.而图的节点则是由操作(Operation)来构成的,而图的各个节 ...

  2. Tensorflow学习笔记2019.01.22

    tensorflow学习笔记2 edit by Strangewx 2019.01.04 4.1 机器学习基础 4.1.1 一般结构: 初始化模型参数:通常随机赋值,简单模型赋值0 训练数据:一般打乱 ...

  3. Tensorflow学习笔记2019.01.03

    tensorflow学习笔记: 3.2 Tensorflow中定义数据流图 张量知识矩阵的一个超集. 超集:如果一个集合S2中的每一个元素都在集合S1中,且集合S1中可能包含S2中没有的元素,则集合S ...

  4. TensorFlow学习笔记之--[compute_gradients和apply_gradients原理浅析]

    I optimizer.minimize(loss, var_list) 我们都知道,TensorFlow为我们提供了丰富的优化函数,例如GradientDescentOptimizer.这个方法会自 ...

  5. 深度学习-tensorflow学习笔记(1)-MNIST手写字体识别预备知识

    深度学习-tensorflow学习笔记(1)-MNIST手写字体识别预备知识 在tf第一个例子的时候需要很多预备知识. tf基本知识 香农熵 交叉熵代价函数cross-entropy 卷积神经网络 s ...

  6. 深度学习-tensorflow学习笔记(2)-MNIST手写字体识别

    深度学习-tensorflow学习笔记(2)-MNIST手写字体识别超级详细版 这是tf入门的第一个例子.minst应该是内置的数据集. 前置知识在学习笔记(1)里面讲过了 这里直接上代码 # -*- ...

  7. tensorflow学习笔记(4)-学习率

    tensorflow学习笔记(4)-学习率 首先学习率如下图 所以在实际运用中我们会使用指数衰减的学习率 在tf中有这样一个函数 tf.train.exponential_decay(learning ...

  8. tensorflow学习笔记(3)前置数学知识

    tensorflow学习笔记(3)前置数学知识 首先是神经元的模型 接下来是激励函数 神经网络的复杂度计算 层数:隐藏层+输出层 总参数=总的w+b 下图为2层 如下图 w为3*4+4个   b为4* ...

  9. tensorflow学习笔记(2)-反向传播

    tensorflow学习笔记(2)-反向传播 反向传播是为了训练模型参数,在所有参数上使用梯度下降,让NN模型在的损失函数最小 损失函数:学过机器学习logistic回归都知道损失函数-就是预测值和真 ...

  10. tensorflow学习笔记(1)-基本语法和前向传播

    tensorflow学习笔记(1) (1)tf中的图 图中就是一个计算图,一个计算过程.                                       图中的constant是个常量 计 ...

随机推荐

  1. ouath原理

    1.OAuth的简述 OAuth(Open Authorization,开放授权)是为用户资源的授权定义了一个安全.开放及简单的标准,第三方无需知道用户的账号及密码,就可获取到用户的授权信息,并且这是 ...

  2. C++ 画星号图形——空心三角形(星号居中对齐)(核心代码介绍)

    //输出另外一种由星号组成的三角形(星号居中对齐) int a;//控制组成三角形的星号的行数 cout<<"请输入要组成三解形的星号的行数n(n>=2):\n" ...

  3. Git系列教程三 配置与基本命令

    一.安装Git 网上有很多安装教程,可以参考.这里使用的是Windows版本的Git,点击这里下载. 二.基本设置 安装完成后,通过点击鼠标右键就可以看到新添加了俩个Git命令:Git GUI Her ...

  4. Online, Asynchronous Schema Change in F1

    F1: A Distributed SQL Database That Scales   http://disksing.com/understanding-f1-schema-change   ma ...

  5. CodeForces 676D代码 哪里有问题呢?

    题目: http://codeforces.com/problemset/problem/676/D code: #include <stdio.h> #define MAXN 1001 ...

  6. Magento table rates表运费设置

    在magento中集成了Table rate表运费,这种运输方式.表运费就是我们自己写个运费表,根据距离和商品重量设置运费,制做成一张csv格式的表,导入到magento中,来实现运费的控制. 在我的 ...

  7. linux suse系统防火墙端口开放配置

    1.切换到root用户下 2.进入到/etc/sysconfig/SuSEfirewall2 3.修改FW_SERVICES_EXT_TCP=" 22 80 8080 8081 8082 8 ...

  8. WCF Binding

    <Programming WCF Services>有一幅图也能说明各自的特征: 下面的图给出了我们选择Binding的方式

  9. Apple Reject

    2016年11月10日 上午1:15 发件人 Apple 2. 1 PERFORMANCE: APP COMPLETENESS Thank you for your resubmission. Per ...

  10. jvm性能监控与故障处理工具

    jdk为我们提供了一系列的jvm性能监控和故障处理工具,在这里根据学习进度进行整理记录.便于之后查阅 1.jps 虚拟机进程工具  类似于Linux系统中的ps命令,用于查看虚拟机进程,常用的有以下功 ...