tensorflow2.0学习笔记-生成张量的几种方法

本文是在b站上《北京大学：tensorflow2.0》（【北京大学】Tensorflow2.0_哔哩哔哩_bilibili）的一些代码，放在csdn上作为记录，不完整，其中一些注释是个人的想法，供参考。假定已装好了tensorflow，若没有装的可参考链接中的P1。

import tensorflow as tf
import numpy as np

#方法一：tf.constant
a= tf.constant([1,2,3],dtype=tf.int64) #需要两个参数，分别是张量的内容和数值类型
print(a, 'n', a.dtype, 'n', a.shape) #张量有dtype和shape两个属性

#方法二：将numpy数组转换为张量
a= np.arange(1,5) #生成numpy数组
b= tf.convert_to_tensor(a,dtype= tf.int64) ##将numpy数组作为值，只需要再指定张量类型
#张量类型也可以不指定

#方法三：生成特殊张量
#创建全为0的张量：
tf.zeros([3,3]) #生成形状为(3, 3)的二维张量，值全为0
#输出：


#创建全为1的张量：
tf.ones([3,3])

#创建全为指定值的张量：
tf.fill([3,3], 5) #生成形状为(3, 3)，值全为5的二维张量
#输出：


#上面也可换成：
tf.ones([3,3])*5

#生成随机张量：
tf.random.normal([3,3],mean= 1, stddev= 1) #生成形状为[3,3]的正态分布随机张量
#默认均值为0，标准差为1

tf.random.truncated_normal([3,3], mean= 1, stddev=1) #截断正态分布随机张量
#截断正态分布随机张量与正态分布随机张量的不同在于如果生成的值离指定的均值超过两个标准差，
#则会舍弃这个值再生成一次，确保随机生成的所有值都离均值不超过两个标准差

tf.random.uniform([3,3], minval=1, maxval=2) #生成形状为[3,3]的均匀分布随机张量，
#张量的所有值都服从[minval, maxval)区间上的均匀分布（注意区间前闭后开）