标签:random 张量 基础知识 start seed tf tensorflow
tensorflow连载片 - day two
参考:http://c.biancheng.net/view/1885.html
在tensorflow中所有的数据类型都属于张量。张量简单来说就是矩阵。
目前支持三种张量:
1. 常量
2. 变量。变量需要显式初始化,会占用内存,可以分开存储在参数服务器上。每次加载图的时候需要加载相关的变量。
3. 占位符。占位符不包含任何数据,因此不需要初始化。在训练神经网络时,它们通常用于提供新的训练样本。在会话中运行计算图时,可以伟占位符赋值。
常量:
tf.ones([m, n], dtype) 创建全1的tensor
tf.zeros([m,n], dtype)创建全0的tensor
tf.linspace(start, stop, num) 将从start到stop划均等分成num个数
tf.range(start, limit, delta) 从开始(默认值=0)生成一个数字序列,增量为 delta(默认值=1),直到终值(但不包括终值)
创建正态分布: tf.random_normal([m,n], mean, stddev, seed)
创建截尾正态分布: tf.truncated_normal([m,n], stddev, seed)
创建伽马分布:tf.random_uniform([m,n], maxval, seed)
随机裁剪指定大小的张量: tf.random_crop(t_ranom, [m,n], seed)
沿着第一维随机排列张量
标签:random,张量,基础知识,start,seed,tf,tensorflow 来源: https://www.cnblogs.com/whatyouknow123/p/11102100.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。