欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

TensorFlow人工智能學(xué)習(xí)創(chuàng)建數(shù)據(jù)實(shí)現(xiàn)示例詳解

 更新時(shí)間:2021年11月11日 11:14:00   作者:Swayzzu  
這篇文章主要為大家介紹了TensorFlow人工智能學(xué)習(xí)創(chuàng)建數(shù)據(jù)實(shí)現(xiàn)示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步

一、數(shù)據(jù)創(chuàng)建

1.tf.constant()

創(chuàng)建自定義類(lèi)型,自定義形狀的數(shù)據(jù),但不能創(chuàng)建類(lèi)似于下面In [59]這樣的,無(wú)法解釋的數(shù)據(jù)。

2.tf.convert_to_tensor()

可以把numpy以及List類(lèi)型的數(shù)據(jù)直接轉(zhuǎn)換為tensor

3.tf.zeros()

和常用的方式一樣,傳入包含中括號(hào)的shape即可。

tf.zeros_like和pytorch功能一樣,傳入有某個(gè)shape的數(shù)據(jù),會(huì)生成和那個(gè)shape一樣的zeros數(shù)據(jù)。tf.ones, tf.ones_like和你想的一樣。

4.tf.fill()

生成指定形狀的,所有內(nèi)容都一樣的數(shù)據(jù),前面shape,后面參數(shù)是填充的內(nèi)容。

二、數(shù)據(jù)隨機(jī)初始化

①tf.random.normal()

正態(tài)分布,傳入形狀,可指定均值方差。

②tf.random.truncated_normal()

裁剪過(guò)后的數(shù)據(jù),裁去了前后分布太少的數(shù)據(jù),只從中間數(shù)據(jù)多的地方取數(shù)據(jù),同樣可以指定均值方差。

③tf.random.uniform()

均勻分布初始化,形狀,最小值,最大值

④tf.random.shuffle()

隨機(jī)打散,可以打散一個(gè)索引順序,通過(guò)tf.gather去對(duì)應(yīng),這樣可以實(shí)現(xiàn)兩個(gè)同樣行數(shù)的數(shù)據(jù),進(jìn)行索引一一對(duì)應(yīng)的隨機(jī)打散。

以上就是TensorFlow人工智能學(xué)習(xí)創(chuàng)建數(shù)據(jù)實(shí)現(xiàn)示例詳解的詳細(xì)內(nèi)容,更多關(guān)于TensorFlow人工智能的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

最新評(píng)論