Tensorflow的常用矩阵生成方式
我就废话不多说了，直接上代码吧！
#全0和全1矩阵 v1=tf.Variable(tf.zeros([3,3,3]),name="v1") v2=tf.Variable(tf.ones([10,5]),name="v2") #填充单值矩阵 v3=tf.Variable(tf.fill([2,3],9)) #常量矩阵 v4_1=tf.constant([1,2,3,4,5,6,7]) v4_2=tf.constant(-1.0,shape=[2,3]) #和v4_1形状一样的全1或全0矩阵 v5_1=tf.ones_like(v4_1) v5_2=tf.zeros_like(v4_1) #生成等差数列 v6_1=tf.linspace(10.0,12.0,30,name="linspace")#float32orfloat64 v7_1=tf.range(10,20,3)#justint32 #生成各种随机数据矩阵 #平均分布 v8_1=tf.Variable(tf.random_uniform([2,4],minval=0.0,maxval=2.0,dtype=tf.float32,seed=1234,name="v8_1")) #正态分布 v8_2=tf.Variable(tf.random_normal([2,3],mean=0.0,stddev=1.0,dtype=tf.float32,seed=1234,name="v8_2")) #正态分布,但是去掉2sigma外的数字 v8_3=tf.Variable(tf.truncated_normal([2,3],mean=0.0,stddev=1.0,dtype=tf.float32,seed=1234,name="v8_3")) #把这3个行重排列 v8_5=tf.random_shuffle([[1,2,3],[4,5,6],[6,6,6]],seed=134,name="v8_5")
以上都是计算图中的变量,需要sess.run()以后才能成为真正的数据
存取方式是：
np.save("v1.npy",sess.run(v1))#numpysavev1asfile
test_a=np.load("v1.npy")
printtest_a[1,2]
这篇Tensorflow的常用矩阵生成方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。