声明

声明：本系列博客是我在学习人工智能实践：TensorFlow笔记(曹健，北京大学，软件与微电子学院)所做的笔记。所以，其中的绝大部分内容引自这系列视频，博客中的代码也是视频配套所附带的代码，其中部分代码可能会因需要而改动。侵删。在本系列博客中，其中包含视频中的引用，也包括我自己对知识的理解，思考和总结。本系列博客的目的主要有两个，一个是可以作为我自己的学习笔记，时常复习巩固。第二个是可以为想学习TensorFlow 2 相关知识的朋友提供一些参考。

正文

张量（Tensor）：多维数组（列表）

阶：张量的维数

张量可以表示0阶到n阶数组（列表）

数据类型

32位整型，32位浮点，64位浮点，布尔型，字符串型等等。

创建张量

tf.constant(张量内容，dtype=数据类型（可选）)

import tensorflow as tf
a=tf.constant([0,9,2,6],dtype=tf.int32)
print(a)
print(a.dtype)
print(a.shape)

运行结果：

tf.Tensor([0 9 2 6], shape=(4,), dtype=int32)
<dtype: 'int32'>
(4,)

将numpy的数据类型转换为Tensor数据类型：

tf.convert_to_tensor(数据名，dtype=数据类型（可选）)

import tensorflow as tf
import numpy as np
a = np.arange(0, 5)
b = tf.convert_to_tensor(a, dtype=tf.int64)
print("a:", a)
print("b:", b)

运行结果：

a: [0 1 2 3 4]
b: tf.Tensor([0 1 2 3 4], shape=(5,), dtype=int64)

创建全0张量

维度：一维 直接写个数；二维 用[行，列]；多维 用[n,m,j,k…]

a = tf.zeros([2, 3])
b = tf.ones(4)
c = tf.fill([2, 2], 9)
print("a:", a)
print("b:", b)
print("c:", c)

运行结果：

a: tf.Tensor(
[[0. 0. 0.]
[0. 0. 0.]], shape=(2, 3), dtype=float32)
b: tf.Tensor([1. 1. 1. 1.], shape=(4,), dtype=float32)
c: tf.Tensor(
[[9 9]
[9 9]], shape=(2, 2), dtype=int32)

生成正态分布的随机数，默认均值为0，标准差为1

tf.random.normal(维度，mean=均值，stddev=标准差)

生成截断式正态分布的随机数

tf.random.truncated_normal(维度，mean=均值，stddev=标准差)
在tf.truncated_normal中如果随机生成数据的取值在（μ-2σ，μ+2σ）之外，则重新进行生成，保证了生成值在均值附近。

d = tf.random.normal([2, 2], mean=0.5, stddev=1)
print("d:", d)
e = tf.random.truncated_normal([2, 2], mean=0.5, stddev=1)
print("e:", e)

运行结果：

d: tf.Tensor(
[[-0.07528389 -1.821507
]
[-0.7824471
-0.24821514]], shape=(2, 2), dtype=float32)
e: tf.Tensor(
[[ 0.15341267 -0.22747952]
[-1.2789942
0.8269198 ]], shape=(2, 2), dtype=float32)

生成均匀分布随机数 [minval,maxval)

tf.random.uniform(维度，minval=最小值，maxval=最大值)

f = tf.random.uniform([2, 2], minval=0, maxval=1)
print("f:", f)

运行结果：

f: tf.Tensor(
[[0.1480099
0.60948014]
[0.3652519
0.8810216 ]], shape=(2, 2), dtype=float32)

感谢观看！

如有错误，欢迎批评指正！

最后

以上就是幽默乌龟为你收集整理的TensorFlow2 张量生成声明正文感谢观看！的全部内容，希望文章能够帮你解决TensorFlow2 张量生成声明正文感谢观看！所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。