创建张量
tf.convert_to_tensor函数
In [22]:
tf.convert_to_tensor([1,2.]) # 从列表创建张量
Out[22]:
<tf.Tensor: id=86, shape=(2,), dtype=float32, numpy=array([1., 2.], dtype=float32)>
In [23]:
tf.convert_to_tensor(np.array([[1,2.],[3,4]])) # 从数组中创建张量
Out[23]:
<tf.Tensor: id=88, shape=(2, 2), dtype=float64, numpy=array([[1., 2.],[3., 4.]])>
实际上,
tf.constant()
和tf.convert_to_tensor()
都能够自动的把 Numpy 数组或者 Python 列表数据类型转化为 Tensor 类型,这两个 API 命名来自 TensorFlow 1.x 的命名习惯,在TensorFlow 2 中函数的名字并不是很贴切,使用其一即可。
tf.zeros([ ]),tf.ones([ ])
创建全 0,全 1 的标量
tf.zeros_like, tf.ones_like
新建与某个张量 shape 一致,且内容为全 0 或 全 1 的张量。
tf.fill(shape, value)
通过 tf.fill(shape, value)
可以创建全为自定义数值value
的张量,形状由 shape 参数指定。
创建已知分布的张量
tf.random.normal
通过tf.random.normal(shape, mean=0.0, stddev=1.0)
可以创建形状为 shape,均值为mean,标准差为 stddev 的正态分布