Tensorflow的常用矩阵生成方式
2020-02-13 10:06
429 查看
我就废话不多说了,直接上代码吧!
#全0和全1矩阵 v1 = tf.Variable(tf.zeros([3,3,3]), name="v1") v2 = tf.Variable(tf.ones([10,5]), name="v2") #填充单值矩阵 v3 = tf.Variable(tf.fill([2,3], 9)) #常量矩阵 v4_1 = tf.constant([1, 2, 3, 4, 5, 6, 7]) v4_2 = tf.constant(-1.0, shape=[2, 3]) # 和v4_1形状一样的全1或全0矩阵 v5_1=tf.ones_like(v4_1) v5_2=tf.zeros_like(v4_1) #生成等差数列 v6_1 = tf.linspace(10.0, 12.0, 30, name="linspace")#float32 or float64 v7_1 = tf.range(10, 20, 3)#just int32 #生成各种随机数据矩阵 #平均分布 v8_1 = tf.Variable(tf.random_uniform([2,4], minval=0.0, maxval=2.0, dtype=tf.float32, seed=1234, name="v8_1")) #正态分布 v8_2 = tf.Variable(tf.random_normal([2,3], mean=0.0, stddev=1.0, dtype=tf.float32, seed=1234, name="v8_2")) #正态分布,但是去掉2sigma外的数字 v8_3 = tf.Variable(tf.truncated_normal([2,3], mean=0.0, stddev=1.0, dtype=tf.float32, seed=1234, name="v8_3")) #把这3个行重排列 v8_5 = tf.random_shuffle([[1,2,3],[4,5,6],[6,6,6]], seed=134, name="v8_5")
以上都是计算图中的变量,需要sess.run()以后才能成为真正的数据
存取方式是:
np.save("v1.npy",sess.run(v1))#numpy save v1 as file test_a = np.load("v1.npy") print test_a[1,2]
这篇Tensorflow的常用矩阵生成方式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
您可能感兴趣的文章:
相关文章推荐
- Tensorflow的常用矩阵生成
- tensorflow常用矩阵生成
- 剖析Hibernate主键生成几种常用方式
- [图解tensorflow源码] 入门准备工作附常用的矩阵计算工具[转]
- tf.matrix_diag和tf.matrix_inverse的用法(tensorflow如何生成对角矩阵和求逆矩阵)
- Hibernate学习_004_Hibernate中常用的主键生成策略总结(下)Annotation方式
- 剖析Hibernate主键生成几种常用方式
- Java中在特定区间产生随机数 (2009-03-26 13:31:49)转载▼ 标签: 杂谈 生成指定范围内的随机数 这个是最常用的技术之一。程序员希望通过随机数的方式来处理众多的业务逻辑,测试
- Hibernate学习_003_Hibernate中常用的主键生成策略总结(上)XML方式
- android 生成 Bitmap 的常用几种方式
- ubuntu上生成pycharm快捷桌面方式的两种常用方法
- 剖析Hibernate主键生成几种常用方式
- Matlab矩阵生成方式
- tensorflow载入数据的三种方式 之 TF生成数据的方法
- 矩阵常用的出题方式
- python列表 常用方法 以及 生成列表的四种方式
- 剖析Hibernate主键生成几种常用方式
- tensorflow中的矩阵生成(数据初始化)与变换函数
- tf.matrix_diag和tf.matrix_inverse的用法(tensorflow如何生成对角矩阵和求逆矩阵)
- Hibernate 常用主键生成方式。