基于TensorFlow常量、序列以及隨機(jī)值生成實(shí)例
TensorFlow 生成 常量、序列和隨機(jī)值
生成常量
tf.constant()這種形式比較常見，除了這一種生成常量的方式之外，像Numpy一樣，TensorFlow也提供了生成集中特殊的常量的函數(shù)：
tf.zeros(shape, dtype=tf.float32, name=None)
三個(gè)參數(shù)的意思顯而易見，返回指定形狀的全零張量
tf.zeros_like(tensor, dtype=None, name=None, optimizer=True) 與函數(shù)的名字一致，傳入一個(gè)張量，最后返回一個(gè)張量，與傳入的張量擁有一樣的形狀和數(shù)據(jù)類型，也可以自己傳入dtype指定數(shù)據(jù)類型
tf.ones() 和tf.ones_like()與之前的函數(shù)對(duì)應(yīng)一致
tf.fill(shape, value, name=None) 返回填滿指定輸入的數(shù)值的張量，例如：
tf.fill([2,3],9)
返回的張量就是：
[[9 9 9] [9 9 9]]
生成序列
tf.linspace(start, stop, num, name=None)
函數(shù)名稱與Numpy中序列的函數(shù)一樣，只是參數(shù)部分進(jìn)行了簡化，前兩個(gè)參數(shù)分別指定了開始和結(jié)束的值，num指定了要生成的數(shù)量，最后則是名稱，例如：
a = tf.linspace(1.0, 10.0, 10, name='lin1')
輸出：
[ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]
tf.range(start, limit, delta, dtype=None, name=None)
例如：
a = tf.range(1, 5, 1)
輸出：
[1 2 3 4]
隨機(jī)張量
隨機(jī)值在TensorFlow中很重要，很多情況下的初始值往往會(huì)隨機(jī)值，常用的隨機(jī)值生成函數(shù)如下：
生成均勻分布的隨機(jī)張量
# 調(diào)用格式 random_uniform( shape, minval=0, maxval=None, # 最大值以及最小值 dtype=tf.float32, seed=None, # 指定種子 name=None )
# 例如 a = tf.random_uniform([2,3], minval=1.0, maxval=5.0, dtype=tf.float32)
# 輸出 [[4.458698 4.091486 4.3704953] [3.893827 2.7951822 2.2381153]]
生成服從正態(tài)分布的隨機(jī)張量
# 調(diào)用格式 random_normal( shape, mean=0.0, # 均值 stddev=1.0, # 標(biāo)準(zhǔn)差 dtype=tf.float32, seed=None, name=None )
a = tf.random_normal([2,3], mean=3.0, stddev=1.0, dtype=tf.float32)
[[3.65199 1.879906 2.1775374] [1.6041888 1.503772 2.704612 ]]
生成服從截?cái)嗾龖B(tài)分布的隨機(jī)張量
# 調(diào)用格式 tf.truncated_normal( shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None ) [[4.477414 2.9767075 2.377511 ] [2.7083392 4.2639837 2.497882 ]]
這個(gè)函數(shù)與正態(tài)分布的函數(shù)使用時(shí)一樣的，只是增加了 “截?cái)唷?也就是限制每個(gè)元素的取值，如果其平均值大于 2 個(gè)標(biāo)準(zhǔn)差的值將被丟棄并重新選擇 。
以上這篇基于TensorFlow常量、序列以及隨機(jī)值生成實(shí)例就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
Python實(shí)現(xiàn)刪除windows下的長路徑文件
這篇文章主要為大家詳細(xì)介紹一下如何利用Python語言實(shí)現(xiàn)刪除windows下的長路徑文件功能，文中的示例代碼講解詳細(xì)，具有一定參考借鑒價(jià)值，感興趣的可以了解一下2022-07-07
Python 使用 attrs 和 cattrs 實(shí)現(xiàn)面向?qū)ο缶幊痰膶?shí)踐
這篇文章主要介紹了Python 使用 attrs 和 cattrs 實(shí)現(xiàn)面向?qū)ο缶幊痰膶?shí)踐，本文通過實(shí)例代碼給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2019-06-06
Python中JSON數(shù)據(jù)的相互轉(zhuǎn)化詳解
這篇文章主要介紹了Python中JSON數(shù)據(jù)的相互轉(zhuǎn)化詳解,JSON 是一種輕量級(jí)的數(shù)據(jù)交互格式,可以按照 JSON 指定的格式去組織和封裝數(shù)據(jù),2023-12-12
JSON 本質(zhì)是一個(gè)帶有特定格式的字符串,需要的朋友可以參考下
python pycurl驗(yàn)證basic和digest認(rèn)證的方法
這篇文章主要介紹了python pycurl驗(yàn)證basic和digest認(rèn)證的方法，小編覺得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧2018-05-05
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)簡單的貪吃蛇游戲，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2021-03-03
python監(jiān)測(cè)當(dāng)前聯(lián)網(wǎng)狀態(tài)并連接的實(shí)例
今天小編就為大家分享一篇python監(jiān)測(cè)當(dāng)前聯(lián)網(wǎng)狀態(tài)并連接的實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-12-12
python打開文件使用open()函數(shù)，返回一個(gè)指向文件的指針，在python中使用open函數(shù)對(duì)文件進(jìn)行處理，這篇文章主要介紹了python中的open函數(shù)使用,需要的朋友可以參考下2023-02-02
在之前學(xué)習(xí)python設(shè)計(jì)模式（工廠模式實(shí)踐篇），希望使用全局變量代替c++的宏完成服務(wù)自動(dòng)注冊(cè)功能時(shí)，遇到過一個(gè)問題，全局變量的定義和使用放在同一個(gè)可執(zhí)行腳本中的問題2017-09-09
Python基于面向?qū)ο笞鲆粋€(gè)文件夾整理工具
這篇文章主要給大家介紹了Python基于面向?qū)ο笞鲆粋€(gè)文件夾整理工具,文中的示例代碼講解詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2024-02-02
完美解決torch.cuda.is_available()一直返回False的玄學(xué)方法
這篇文章主要介紹了完美解決torch.cuda.is_available()一直返回False的玄學(xué)方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2021-02-02