我就廢話不多說了，直接上程式碼吧！

#全0和全1矩陣

v1 = tf.Variable(tf.zeros([3,3,3]),name="v1") 

v2 = tf.Variable(tf.ones([10,5]),name="v2") 
 
#填充單值矩陣 
v3 = tf.Variable(tf.fill([2,3],9)) 

 
#常量矩陣 
v4_1 = tf.constant([1,2,4,5,6,7]) 
v4_2 = tf.constant(-1.0,shape=[2,3]) 


# 和v4_1形狀一樣的全1或全0矩陣

v5_1=tf.ones_like(v4_1)

v5_2=tf.zeros_like(v4_1) 


#生成等差數列 
v6_1 = tf.linspace(10.0,12.0,30,name="linspace")#float32 or float64 
v7_1 = tf.range(10,20,3)#just int32 
 
#生成各種隨機資料矩陣 

#平均分佈

v8_1 = tf.Variable(tf.random_uniform([2,4],minval=0.0,maxval=2.0,dtype=tf.float32,seed=1234,name="v8_1")) 
#正態分佈

v8_2 = tf.Variable(tf.random_normal([2,mean=0.0,stddev=1.0,name="v8_2")) 

#正態分佈,但是去掉2sigma外的數字

v8_3 = tf.Variable(tf.truncated_normal([2,name="v8_3")) 

#把這3個行重排列
v8_5 = tf.random_shuffle([[1,[4,6],[6,6]],seed=134,name="v8_5") 

以上都是計算圖中的變數,需要sess.run()以後才能成為真正的資料

存取方式是：

np.save("v1.npy",sess.run(v1))#numpy save v1 as file 
test_a = np.load("v1.npy") 
print test_a[1,2] 

這篇Tensorflow的常用矩陣生成方式就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。