Tensorflow的常用矩阵生成方式

yipeiwu_com5年前Python基础

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,也希望大家多多支持【听图阁-专注于Python设计】。

相关文章

Python Deque 模块使用详解

创建Deque序列: from collections import deque d = deque() Deque提供了类似list的操作方法: d = deque(...

Pandas数据离散化原理及实例解析

Pandas数据离散化原理及实例解析

这篇文章主要介绍了Pandas数据离散化原理及实例解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 为什么要离散化 连续属性离...

PyQt5显示GIF图片的方法

PyQt5显示GIF图片的方法

使用QMoive方法实现 导入库文件 from PyQt5 import QtCore, QtGui, QtWidgets from PyQt5.QtGui import QMovi...

PyTorch 随机数生成占用 CPU 过高的解决方法

PyTorch 随机数生成占用 CPU 过高的问题 今天在使用 pytorch 的过程中,发现 CPU 占用率过高。经过检查,发现是因为先在 CPU 中生成了随机数,然后再调用.to(d...

详解Python中的__new__()方法的使用

先看下object类中对__new__()方法的定义: class object: @staticmethod # known case of __new__...