基于TensorFlow常量、序列以及隨機(jī)值生成實(shí)例

更新時(shí)間：2020年01月04日 15:54:49 作者：MirrorN

今天小編就為大家分享一篇基于TensorFlow常量、序列以及隨機(jī)值生成實(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(guò)來(lái)看看吧

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(jiàn)，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(jiàn)，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(jiǎn)化，前兩個(gè)參數(shù)分別指定了開(kāi)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?jī)?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。

您可能感興趣的文章: