TensorFlow教程——常用函数解析
来源:互联网 发布:海安东华软件招聘 编辑:程序博客网 时间:2024/06/10 00:45
以下函数均返回一个Tensor对象,类似矩阵数据,包括单个值,向量,多维矩阵。
基本的两个创建常量Tensor的函数
tf.constant(value, dtype=None, shape=None, name="Const", verify_shape=False)
根据value和shape来创建一个常量Tensor。value可以是一个数,也可以是一个list。 如果是一个数,那么这个常量中所有值的按该数来赋值; 如果是list,那么len(value)一定要小于等于shape展开后的长度,赋值时,先将value中的值逐个存入,不够的部分,则全部存入value的最后一个值。若verify_shape为True,则value的数量跟shape的不一致时会报错。
tf.fill(dims, value, name=None)
跟tf.constant()类似,不过这里的value只能是一个数
类似Numpy的函数
tf.zeros(shape, dtype=dtypes.float32, name=None)tf. zeros_like(tensor, dtype=None, name=None, optimize=True) # 根据tensor的shape生成全0的Tensortf.ones(shape, dtype=dtypes.float32, name=None)tf.ones_like(tensor, dtype=None, name=None, optimize=True) # 根据tensor的shape生成全1的Tensortf.range(start, limit=None, delta=1, dtype=None, name="range") # 范围[start, limit),步长deltatf.lin_space(start, stop, num, name=None) # 范围[start, stop],num个数
随机生成常量
1. 均匀分布
tf.random_uniform(shape, minval=0, maxval=None, dtype=dtypes.float32, seed=None, name=None)
产生均匀分布样本,范围为[minval, maxval]。
2. 正态分布
tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=dtypes.float32, seed=None, name=None)
随机产生正态分布样本,均值mean,标准差stddev,默认生成标准正态分布。
3. 截断正态分布
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=dtypes.float32, seed=None, name=None)
随机产生截断正态分布样本,跟上一函数差不多,不过只保留[mean-2*stddev, mean+2*stddev]范围内的样本 ,不在此范围的重新生成,默认[-2, 2]。
4. 伽马分布
tf.random_gamma(shape, alpha, beta=None, dtype=dtypes.float32, seed=None, name=None)
随机产生Gamma分布样本。
伽马分布密度函数:
其中
伽马函数是阶乘在实数域的拓展,它的来源可参考神奇的伽玛函数。
对于正整数来说,
Python求微积分可以用sympy
库。
伽马分布密度函数有两个参数:
伽马分布密度函数图像分析:当
5. 多项式分布
tf.multinomial(logits, num_samples, seed=None, name=None)
模拟多项式分布。logits是二维矩阵,每一行代表结果概率分布。num_samples代表独立实验次数。例如抛一枚不均匀的骰子10次,每个面的概率为[1/12, 1/12, 1/12, 3/12, 3/12, 3/12]。 tf.multinomial([[1.0, 1.0, 1.0, 3.0, 3.0, 3.0]], 10)
,可能得到: [[4 4 4 2 4 0 2 3 5 4]]
,5个5点,2个3点,1个1点,1个4点,1个6点。
随机洗牌
tf.random_shuffle(value, seed=None, name=None)
Randomly shuffles a tensor along its first dimension. 想象成洗牌,如value=[[1, 2], [3, 4], [5, 6]],可能返回[[3, 4], [5 6], [1, 2]]
随机裁剪
tf.random_crop(value, size, seed=None, name=None)
Randomly crops a tensor to a given size. 随机裁剪,想象随机裁剪一幅图像,因此需要value.shape>=size
。如tf.random_crop([[1, 2, 3], [4, 5, 6], [7, 8, 9]], size=(2, 2))
,可能返回[[5, 6], [8,9]]
。
运行
查看常量的值需要InteractiveSession:
import tensorflow as tfa = tf.random_normal(shape=(5, 5))tf.InteractiveSession()print a.eval()
以上笔记部分摘抄自:
http://blog.csdn.net/u012969412/article/details/62044184
- TensorFlow教程——常用函数解析
- TensorFlow学习笔记之——常用函数(概览)
- TensorFlow深度学习入门——常用函数说明
- tensorflow常用函数记录
- Tensorflow常用函数
- tensorflow 常用函数整理
- tensorflow常用函数介绍
- tensorflow常用函数笔记
- tensorflow常用优化函数
- tensorflow常用函数总结
- Tensorflow常用函数笔记
- TensorFlow常用函数
- TensorFlow常用函数
- tensorflow常用函数
- tensorflow笔记:常用函数
- TensorFlow常用函数
- tensorflow常用函数简述
- Tensorflow-常用函数
- 带权区间调度问题,软件的期中复习
- wget 常用例子
- ios-视频录制保存
- java线程安全篇之synchronized对象锁的同步和异步(三)
- jquery选择器之基本选择器
- TensorFlow教程——常用函数解析
- ubuntu16.04 安装Hadoop2.7.2
- a3~a6
- 171113_官网下载MySQL
- Android Framework------之Keyguard 简单分析
- 常见c语言的标准库
- Windows nginx RTMP ==> 直播&&点播 [android][js]
- JAVA MVC/Model2
- kubernetes之StatefulSet