基于TensorFlow常量、序列以及随机值生成实例


Posted in Python onJanuary 04, 2020

TensorFlow 生成 常量、序列和随机值

生成常量

tf.constant()这种形式比较常见,除了这一种生成常量的方式之外,像Numpy一样,TensorFlow也提供了生成集中特殊的常量的函数:

tf.zeros(shape, dtype=tf.float32, name=None)

三个参数的意思显而易见,返回指定形状的全零张量

tf.zeros_like(tensor, dtype=None, name=None, optimizer=True) 与函数的名字一致,传入一个张量,最后返回一个张量,与传入的张量拥有一样的形状和数据类型,也可以自己传入dtype指定数据类型

tf.ones() 和tf.ones_like()与之前的函数对应一致

tf.fill(shape, value, name=None) 返回填满指定输入的数值的张量,例如:

tf.fill([2,3],9)

返回的张量就是:

[[9 9 9]
 [9 9 9]]

生成序列

tf.linspace(start, stop, num, name=None)

函数名称与Numpy中序列的函数一样,只是参数部分进行了简化,前两个参数分别指定了开始和结束的值,num指定了要生成的数量,最后则是名称,例如:

a = tf.linspace(1.0, 10.0, 10, name='lin1')

输出:

[ 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)

输出:

[1 2 3 4]

随机张量

随机值在TensorFlow中很重要,很多情况下的初始值往往会随机值,常用的随机值生成函数如下:

生成均匀分布的随机张量

# 调用格式
random_uniform(
  shape,
  minval=0,
  maxval=None,  # 最大值以及最小值
  dtype=tf.float32,
  seed=None,   # 指定种子
  name=None
)
# 例如
a = tf.random_uniform([2,3], minval=1.0, maxval=5.0, dtype=tf.float32)
# 输出
[[4.458698 4.091486 4.3704953]
 [3.893827 2.7951822 2.2381153]]

生成服从正态分布的随机张量

# 调用格式
random_normal(
  shape,
  mean=0.0,   # 均值
  stddev=1.0,  # 标准差
  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 ]]

生成服从截断正态分布的随机张量

# 调用格式
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 ]]

这个函数与正态分布的函数使用时一样的,只是增加了 “截断” 也就是限制每个元素的取值,如果其平均值大于 2 个标准差的值将被丢弃并重新选择 。

以上这篇基于TensorFlow常量、序列以及随机值生成实例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三水点靠木。

Python 相关文章推荐
Python的内存泄漏及gc模块的使用分析
Jul 16 Python
修改Python的pyxmpp2中的主循环使其提高性能
Apr 24 Python
python验证码识别教程之利用投影法、连通域法分割图片
Jun 04 Python
Python中几种属性访问的区别与用法详解
Oct 10 Python
Python3.5装饰器典型案例分析
Apr 30 Python
利用python和百度地图API实现数据地图标注的方法
May 13 Python
Django为窗体加上防机器人的验证码功能过程解析
Aug 14 Python
Pytorch在dataloader类中设置shuffle的随机数种子方式
Jan 14 Python
python 将视频 通过视频帧转换成时间实例
Apr 23 Python
Python使用Selenium模拟浏览器自动操作功能
Sep 08 Python
python em算法的实现
Oct 03 Python
Python使用mitmproxy工具监控手机 下载手机小视频
Apr 18 Python
Tensorflow 实现分批量读取数据
Jan 04 #Python
Tensorflow的常用矩阵生成方式
Jan 04 #Python
Tensorflow读取并输出已保存模型的权重数值方式
Jan 04 #Python
tensorflow实现打印ckpt模型保存下的变量名称及变量值
Jan 04 #Python
tensorflow 获取所有variable或tensor的name示例
Jan 04 #Python
tensorflow没有output结点,存储成pb文件的例子
Jan 04 #Python
TensorFlow查看输入节点和输出节点名称方式
Jan 04 #Python
You might like
新浪SAE搭建PHP项目教程
2015/01/28 PHP
php+html5实现无刷新图片上传教程
2016/01/22 PHP
一个简单的php MVC留言本实例代码(必看篇)
2016/09/22 PHP
海量经典的jQuery插件集合
2010/01/12 Javascript
一款Jquery 分页插件的改造方法(服务器端分页)
2011/07/11 Javascript
jQuery动态设置form表单的enctype值(实现代码)
2013/07/04 Javascript
Jquery解析json数据详解
2013/12/26 Javascript
jQuery对Select的操作大集合(收藏)
2013/12/28 Javascript
js判断上传文件类型判断FileUpload文件类型代码
2014/05/20 Javascript
浅析Javascript中bind()方法的使用与实现
2016/04/29 Javascript
jQuery页面元素动态添加后绑定事件丢失方法,非 live
2016/06/16 Javascript
使用 NodeJS+Express 开发服务端的简单介绍
2017/04/07 NodeJs
JS实现中文汉字按拼音排序的方法
2017/10/09 Javascript
AngularJs 禁止模板缓存的方法
2017/11/28 Javascript
vue-form表单验证是否为空值的实例详解
2019/10/29 Javascript
vue2.0实现列表数据增加和删除
2020/06/17 Javascript
[41:41]TFT vs Secret Supermajor小组赛C组 BO3 第一场 6.3
2018/06/04 DOTA
[55:56]NB vs Infamous 2019国际邀请赛淘汰赛 败者组 BO3 第二场 8.22
2019/09/05 DOTA
python解决网站的反爬虫策略总结
2016/10/26 Python
Python抓取手机号归属地信息示例代码
2016/11/28 Python
Python数据结构与算法之列表(链表,linked list)简单实现
2017/10/30 Python
Python中分支语句与循环语句实例详解
2018/09/13 Python
Django 自动生成api接口文档教程
2019/11/19 Python
Pytorch之卷积层的使用详解
2019/12/31 Python
vscode+PyQt5安装详解步骤
2020/08/12 Python
matplotlib之pyplot模块之标题(title()和suptitle())
2021/02/22 Python
意大利咖啡、浓缩咖啡和浓缩咖啡机:illy caffe
2019/03/20 全球购物
英国领先的在线高尔夫商店:Scottsdale Golf
2019/08/26 全球购物
后勤人员自我评价怎么写
2013/09/19 职场文书
初中音乐教学反思
2014/01/12 职场文书
婚前协议书
2014/04/15 职场文书
啤酒节策划方案
2014/05/28 职场文书
2014年村计划生育工作总结
2014/11/14 职场文书
2015高考寄语集锦
2015/02/27 职场文书
档案工作个人总结
2015/03/03 职场文书
Golang gRPC HTTP协议转换示例
2022/06/16 Golang