tensorflow 的常量

tensorflow 的常量是constant

用法tf.constant(value, dtype, shape, name，verify_shape)

常用的几个个参数。value, dtype, shape, name看名字也应该知道value是必填的选项，可一是，字符串，数组，数字等。。。

dtype是类型。默认为None一般运算是tf.float32,或者tf.float64，当然也有tf.int32, tf.int64, tf.int16…………和c语言差不多。

shape 是形状。默认也是None。一般用于数组的时候用，和numpy差不多。

name是名字。默认也是None。主要是在tensorboard是清晰。一般填字符串

verify_shape 很少用。默认是False，如果修改为True的话表示检查value的形状与shape是否相符，如果不符会报错。

下面是栗子1

这个例子是value = 1

import tensorflow as tf
tensor = tf.constant(value=1)
print('TF对象'：,tensor)
with tf.Session() as sess:

	print('结果：', sess.run(tensor))

打印结果
TF对象： Tensor(“Const:0”, shape=(), dtype=int32)
结果： 1

栗子2

import tensorflow as tf
tensor = tf.constant(value=[1,2,3])

with tf.Session() as sess:

	print('结果：', sess.run(tensor))

打印结果

TF对象： Tensor(“Const:0”, shape=(3,), dtype=int32)
结果： [1 2 3]

栗子3

import tensorflow as tf
tensor = tf.constant(value=[1,2],dtype=tf.float32)

print('TF对象：',tensor)

with tf.Session() as sess:

	print('结果：', sess.run(tensor))

打印结果

TF对象： Tensor(“Const:0”, shape=(2,), dtype=float32)
结果： [1. 2.]

栗子 4

import tensorflow as tf
tensor = tf.constant(value=[[1,2]],shape=[2,3],dtype=tf.float32,name='TENSOR')

print('TF对象：',tensor)

with tf.Session() as sess:

	print('结果：', sess.run(tensor))

打印结果

TF对象： Tensor(“TENSOR:0”, shape=(2, 3), dtype=float32)

结果： [[1. 2. 2.]
[2. 2. 2.]]

这里name 也打印出来了。并将[1,2]这个数组的性转转换了。转换为shape=(2, 3)。
注意，转换钱的大小要小于转换后的大小。我的理解是。转换前共有两个数字，转换后不能少于两个数字。不然会丢失数字。会报错。这是我的理解。如果小于的话，就用最后的一个数字填充。
除了上面这些还有很多

下面在举些例子

tf.zeros([3, 3], dtype=tf.int32)

表示生成一个3X3全是0的数组。

tf.ones([3, 3], dtype = tf.int32)

表示生成一个3X3全是1的数组。

tf.ones_like()

传入一个数组然后全部转化为1

tf.zeros_like()
传入一个数组然后全部转化为0

tf.range()

tf.range(start, limit, delta=1, dtype=None, name=‘str’)

和原生的range()函数差不多。就是多了一个dtype和name

随机数

随机数很多，有正态分布，均匀分布…………

正态分布：

tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None)

shape：代表张量的形状。
mean：是正态分布的均值。
stddev：是正态分布的标准差。
dtype：输出的数据类型。
seed：是随机种子。

栗子

import tensorflow as tf
tensor0 = tf.random_normal(shape=[3,3],mean=0.,stddev=10.,dtype=tf.float32)

with tf.Session() as sess:

	print(sess.run(tensor0))

打印结果

[[ -5.347887 2.6160254 9.295669 ]
[-10.650595 7.5505447 5.2306995]
[ -0.9483523 -17.527641 0.6108615]]

均匀分布

tf.random_uniform(shape,minval=0,maxval=None,
				dtype=tf.float32,seed=None,name=None
)

shape：输出张量的形状。
minval：生成的随机值范围的下限；默认为0。
maxval：要生成的随机值范围的上限。如果 dtype 是浮点，则默认为1 。
dtype：输出的类型：float16、float32、float64、int32、orint64。
seed：用于为分布创建一个随机种子。

还是举个栗子

import tensorflow as tf
tensor0 = tf.random_uniform(shape=[3,3],minval=0,maxval=10,dtype=tf.int32)

with tf.Session() as sess:

	print(sess.run(tensor0))

打印结果

[[2 3 8]
[1 2 4]
[8 1 1]]

随机打乱洗牌

tf.random_shuffle(value,seed=None,name=None
)

value：将被打乱的张量。
seed：用于为分布创建一个随机种子。

栗子：

import tensorflow as tf

list = [[1,2],[3,4],[5,6],[7,8],[9,10]]

tensor0 = tf.random_shuffle(list,seed=1,name=None)

with tf.Session() as sess:

	print(sess.run(tensor0))

打印结果
[[ 5 6]
[ 9 10]
[ 1 2]
[ 7 8]
[ 3 4]]
本来是
[[1, 2],
[3, 4],
[5, 6],
[7, 8],
[9, 10]]

不一一全部介绍了
感兴趣的可以去看看官方这个网站

本来还打算在这一篇把变量和占位符也讲了的。。。但是发现过了这么就。下一篇在见吧。

TensorFlow 入门（二）

tensorflow 的常量