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. 重置dns

    flusdns

  2. ThinkPHP 3.2.3 使用 PHPExcel 处理 Excel 表格

    下载 PHPExcel(https://github.com/PHPOffice/PHPExcel) 把下载的 zip 包解压至 ./ThinkPHP/Library/Vendor 下 一.导入 Ex ...

  3. 获取ip ,百度地图坐标点 和 在 后台调用 url()

        protected  void getip()         {             string ips = HttpContext.Current.Request.UserHostA ...

  4. SpringBoot RESTful 应用中的异常处理小结

    转载:https://segmentfault.com/a/1190000006749441 @ControllerAdvice 和 @ExceptionHandler 的区别 ExceptionHa ...

  5. iOS:选择器控件UIPickerView的详解和演示

    选择器控件UIPickerView: 功能:它能够创建一个类似于密码锁式的单列或多列的选择菜单,用户可以通过它设置的代理来选择需要菜单中的任意的数据.例如创建日历.字体表(类型.大小.颜色).图库等. ...

  6. swift:谈谈swift几种常见属性的区别

    一.前奏 Swift作为一门新语言,经过几年的发展,逐渐趋于完善,目前已经更新到3.0版本,它汇集许多其他语言的特点,例如JS.Paython.C++等,完全区别于OC.个人感觉它没有完全的OOP和O ...

  7. linux io stack

  8. SpringSecurity操作指南-基于Spring、SpringMVC和MyBatis自定义SpringSecurity权限认证规则

  9. Windows Server 2008 R2 主域控制器委派DNS到子域控控制器

    一.实验网络拓扑图: 二.实现目的: 子域控制器的域用户能查询到主域控制器的DNS服务器的A记录,主域控制器的域用户也能查询到子域控制器的DNS服务器的A记录. 标注:此章节不讲解域控和DNS服务器的 ...

  10. js贪吃蛇源码

    1.注意,自己引入jquery,这个demo基于jquery的,我的jquery是写的本地的 2.没有写注释,看不懂的再问我吧, <!DOCTYPE html><html> & ...