Tensorflow深度学习之二十九：tf.ones_like()和tf.zeros_like()

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/DaVinciL/article/details/82532976

一、简介
Creates a tensor with all elements set to 1.

Given a single tensor (tensor), this operation returns a tensor of the same type and shape as tensor with all elements set to 1. Optionally, you can specify a new type (dtype) for the returned tensor.

For example:

tensor = tf.constant([[1, 2, 3], [4, 5, 6]])
tf.ones_like(tensor)  # [[1, 1, 1], [1, 1, 1]]

翻译：
创建一个tensor，左右的元素都设置为1。
给定一个tensor（tensor 参数），该操作返回一个具有和给定tensor相同形状（shape）和相同数据类型（dtype），但是所有的元素都被设置为1的tensor。也可以为返回的tensor指定一个新的数据类型。

以上是tf.ones_like()函数的介绍，类似地也可以得到tf.zeros_like()函数的信息，只不过填充的数据是0，而不是1，这里就不做过多的叙述。

二、参数信息
tf.ones_like()和tf.zeros_like()的参数信息相同。如下：

参数
tensor	A Tensor	一个tensor数据，也可以是一个numpy数组，该参数指定了返回tensor的shape和dtype。
dtype	A type for the returned Tensor. Must be float32, float64, int8, uint8, int16, uint16, int32, int64, complex64, complex128 or bool.	一个可选参数，表明返回tensor的数据类型，必须为以下的几种之一：float32, float64, int8, uint8, int16, uint16, int32, int64, complex64, complex128 or bool
name	A name for the operation (optional)	一个可选参数，表明返回的tensor的名称。
optimize	if true, attempt to statically determine the shape of ‘tensor’ and encode it as a constant.	若果该参数设置为True，尝试去静态地决定tensor 的形状（shape）并将其编码为一个常量。默认为True。

三、代码

import tensorflow as tf
import numpy as np

# 生成一个tensor，内部数据随机产生
a = tf.convert_to_tensor(np.random.random([2, 4, 5]), dtype=tf.float32)

# ones_like
b = tf.ones_like(a, dtype=tf.float32, name='ones_like')

# zeros_like
c = tf.zeros_like(a, dtype=tf.float32, name='zeros_like')

print(b)

print(c)

with tf.Session() as sess:
    b_, c_ = sess.run([b, c])
    print("b's shape: ", b_.shape)
    print("c's shape: ", c_.shape)
    print(b_)
    print(c_)

运行结果：

Tensor("ones_like:0", shape=(2, 4, 5), dtype=float32)
Tensor("zeros_like:0", shape=(2, 4, 5), dtype=float32)
b's shape:  (2, 4, 5)
c's shape:  (2, 4, 5)
[[[1. 1. 1. 1. 1.]
  [1. 1. 1. 1. 1.]
  [1. 1. 1. 1. 1.]
  [1. 1. 1. 1. 1.]]

 [[1. 1. 1. 1. 1.]
  [1. 1. 1. 1. 1.]
  [1. 1. 1. 1. 1.]
  [1. 1. 1. 1. 1.]]]
[[[0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]]

 [[0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]]]

四：补充
   在numpy中，也有类似的np.ones_like()和np.zeros_like()函数，效果是一样的。