tensorflow中的矩阵生成与变换函数

一、矩阵生成

1、tf.ones | tf.zeros

用法

tf.ones(shape,type=tf.float32,name=None) tf.zeros(shape,type=tf.int32,name=None) 

说明：生成全0/全1矩阵，返回一个tensor

input = tf.zeros([2,2])[[ 0.  0.] [ 0.  0.]]

input = tf.ones([3,3])[[ 1.  1.  1.] [ 1.  1.  1.] [ 1.  1.  1.]]

2、tf.ones_like | tf.zeros_like:

tf.ones_like(tensor,dype=None,name=None) tf.zeros_like(tensor,dype=None,name=None) 

说明：生成与给定的tensor类型大小一致的tensor，其所有元素为1或0

3、tf.fill

tf.fill(shape,value,name=None) 

说明：创建一个形状大小为shape的tensor，初始值为value

output = tf.fill([3,2],3)[[3 3] [3 3] [3 3]]

4、tf.constant

tf.constant(value,dtype=None,shape=None,name=’Const’) 

创建一个常量tensor，按照给出value来赋值，可以用shape来指定其形状。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。

output = tf.constant(3,dtype=tf.int8,shape=[2,4])[[3 3 3 3] [3 3 3 3]]output2 = tf.constant([1,2,3,4],dtype=tf.int8,shape=[2,4])[[1 2 3 4] [4 4 4 4]]

5、tf.random_normal | tf.truncated_normal | tf.random_uniform

tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None) tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None) tf.random_uniform(shape,minval=0,maxval=None,dtype=tf.float32,seed=None,name=None) 

说明：这几个都是用于生成随机数tensor的。尺寸是shape
random_normal: 正太分布随机数，均值mean,标准差stddev
truncated_normal:截断正态分布随机数，均值mean,标准差stddev,不过只保留[mean-2*stddev,mean+2*stddev]范围内的随机数
random_uniform:均匀分布随机数，范围为[minval,maxval]

二、矩阵变换

1、tf.shape

tf.shape(Tensor) 

说明：返回张量的形状。但是注意，tf.shape函数本身也是返回一个张量。而在tf中，张量是需要用sess.run(Tensor)来得到具体的值的

output3 = tf.constant([1,2,3,4],dtype=tf.int8,shape=[2,4])output4 = tf.shape(output3)[2 4]

2、tf.expand_dims

tf.expand_dims(Tensor, dim) 

说明：为张量+1维。

# 't' is a tensor of shape [2]shape(expand_dims(t, 0)) ==> [1, 2]shape(expand_dims(t, 1)) ==> [2, 1]shape(expand_dims(t, -1)) ==> [2, 1]# 't2' is a tensor of shape [2, 3, 5]shape(expand_dims(t2, 0)) ==> [1, 2, 3, 5]shape(expand_dims(t2, 2)) ==> [2, 3, 1, 5]shape(expand_dims(t2, 3)) ==> [2, 3, 5, 1]

3、tf.sparse_to_dense

def sparse_to_dense(sparse_indices,                    output_shape,                    sparse_values,                    default_value=0,                    validate_indices=True,                    name=None):

说明：稀疏矩阵转密集矩阵

sparse_indices: 元素的坐标[[0,0],[1,2]] 表示(0,0)，和(1,2)处有值
output_shape: 得到的密集矩阵的shape
sparse_values: sparse_indices坐标表示的点的值，可以是0D或者1D张量。若0D，则所有稀疏值都一样。若是1D，则len(sparse_values)应该等于len(sparse_indices)
default_values: 缺省点的默认值

4、tf.random_shuffle

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

沿着value的第一维进行随机重新排列

5、tf.equal

tf.equal(x, y, name=None): 

判断两个tensor是否每个元素都相等。返回一个格式为bool的tensor

6、tf.cast

cast(x, dtype, name=None) 

将x的数据格式转化成dtype.例如，原来x的数据格式是bool，那么将其转化成float以后，就能够将其转化成0和1的序列。反之也可以

7、tf.matmul
用来做矩阵乘法。若a为l*m的矩阵，b为m*n的矩阵，那么通过tf.matmul(a,b) 结果就会得到一个l*n的矩阵
不过这个函数还提供了很多额外的功能。

8、tf.reshape

reshape(tensor, shape, name=None)
顾名思义，就是将tensor按照新的shape重新排列。一般来说，shape有三种用法：
如果 shape=[-1], 表示要将tensor展开成一个list
如果 shape=[a,b,c,…] 其中每个a,b,c,..均>0，那么就是常规用法
如果 shape=[a,-1,c,…] 此时b=-1，a,c,..依然>0。这表示tf会根据tensor的原尺寸，自动计算b的值。