TensorFlow常量、序列以及隨機值生成
阿新 • • 發佈:2018-10-31
TensorFlow 生成 常量、序列和隨機值
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式:
tf.zeros(shape, dtype=tf.float32, name=None)
三個引數的意思顯而易見,返回指定形狀的全零張量
tf.zeros_like(tensor, dtype=None, name=None, optimizer=True)
與函式的名字一致,傳入一個張量,最後返回一個張量,與傳入的張量擁有一樣的形狀和資料型別,也可以自己傳入dtype指定資料型別
-
tf.ones()
和tf.ones_like()
與之前的函式對應一致 -
tf.fill(shape, value, name=None)
返回填滿指定輸入的數值的張量,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)
函式名稱與Numpy中序列的函式一樣,只是引數部分進行了簡化,前兩個引數分別指定了開始和結束的值,num指定了要生成的數量,最後則是名稱,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]
隨機張量
隨機值在TensorFlow中很重要,很多情況下的初始值往往會隨機值,常用的隨機值生成函式如下:
- 生成均勻分佈的隨機張量
# 呼叫格式 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]]
- 生成服從正態分佈的隨機張量
# 呼叫格式
random_normal(
shape,
mean=0.0, # 均值
stddev=1.0, # 標準差
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 ]]
- 生成服從截斷正態分佈的隨機張量
# 呼叫格式
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 ]]
這個函式與正態分佈的函式使用時一樣的,只是增加了 “截斷” 也就是限制每個元素的取值,如果其平均值大於 2 個標準差的值將被丟棄並重新選擇 。
以上~