Tensorflow(二) —— 创建Tensor类型的数据

这篇文章详细介绍了如何使用TensorFlow 2创建Tensor,包括从numpy和list转换、 zeros、ones函数,以及正态分布、均匀分布的随机生成。还展示了tf.zeros_like和tf.ones_like的用法,以及Tensor在不同场景的应用,如损失函数计算和数据处理。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1 创建Tensor的方式

  • 1、from numpy、list
  • 2、zeros、ones
  • 3、fill
  • 4、random
  • 5、constant
  • 6、Application

2 from numpy、list

import numpy as np
a = np.arange(20).reshape(2,10)
print("a:",a)
a1 = tf.convert_to_tensor(a)
print("a1:",a1)

b = [[2,5],[3,5]]
print("b:",b)
b1 = tf.convert_to_tensor(b)
print("b1:",b1)

3 tf.zeros

# 创建一个标量
t1 = tf.zeros([])
print("t1:",t1)

# 创建一个向量
t2 = tf.zeros(5)
print("t2:",t2)
t3 = tf.zeros((5)) # ()[]等价
print("t3:",t3)

# 创建一个matrix
t4 = tf.zeros([5,6])
print("t4:",t4)

# 创建维度在三维及其以上的数列
t5 = tf.zeros([2,2,2])
print("t5:",t5)

4 tf.zeros_like

a = np.arange(20).reshape(4,5)
t1 = tf.zeros_like(a)
print("t1:",t1)

5 tf.ones 和 tf.ones_like

t1 = tf.ones([2,3,4])
print("t1:",t1)

a = np.arange(50).reshape(5,10)
t2 = tf.ones_like(a)
print("t2:",t2)

6 Normal(正态分布)

# 普通正太分布
t1 = tf.random.normal([5,10],mean = 1,stddev = 1)
"""
若不指定均值和标准差,则默认使用分布N0,1"""
print("t1:",t1)

# 截断正太分布
"""
权值初始化的过程中防止出现 Gradient Vanish(梯度消失)
"""
t2 = tf.random.truncated_normal([4,8],mean = 0,stddev = 1)
print("t2:",t2)

7 uniform(均匀分布)

t1 = tf.random.uniform([4,10],minval = 0, maxval = 1)
print("t1:",t1)
t2 = tf.random.uniform([2,5],minval = 0,maxval = 100)
print("t2:",t2)

8 随机打散(random permutation)

old_index = tf.range(3)
print("old_index:",old_index)
new_index = tf.random.shuffle(old_index)
print("new_index:",new_index)

old_t1 = tf.random.normal([3,5,3],mean = 0,stddev = 1)
print("old_t1:",old_t1)
new_t1 = tf.gather(old_t1,new_index)
print("new_t1:",new_t1)

9 各种Tensor的典型应用


# Scalar []
"""
1、计算损失函数loss
2、计算accuracy
"""
out = tf.random.uniform([4,10])
print("out:",out)
y = tf.range(4)
print("y:",y)
y = tf.one_hot(y,depth = 10)
print("y:",y)
loss = tf.keras.losses.mse(y,out)
print("loss:",loss)
loss = tf.reduce_mean(loss)
print("loss:",loss)

# vector

# matrix

# ndim = 3
"""
自然语言处理
"""
# ndim = 4
"""
图片处理
"""

# ndim = 5
"""
加上single_task
"""

本文为参考龙龙老师的“深度学习与TensorFlow 2入门实战“课程书写的学习笔记
by CyrusMay 2022 04 06

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值