(1)X = tf.zeros(shape = [3,2], dtype=tf.float32, name=None)
#初始化值为全0 (上述语句得到X为):
[ [0. 0.]
[0. 0.]
[0. 0.] ]
(2)Y = tf.ones(shape = [2,3], dtype=tf.int32, name=None)
#初始化值为全1 (上述语句得到Y为):
[ [1 1 1]
[1 1 1] ]
(3)Z = tf.random_normal( shape=[2,3], mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
#用于从服从指定正态分布的数值中,取出指定个数的值
- shape: 输出张量的形状
- mean: 正态分布的均值,默认为0
- stddev: 正态分布的标准差,默认为1.0
- dtype: 输出的类型,默认为tf.float32
import tensorflow as tf
Z = tf.Variable(tf.random_normal([3,2], stddev=1.0, seed=None,dtype=tf.float32))
init=tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init)
print(sess.run(w1))
(4)X = tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
#从截断的正态分布中输出随机值。生成的值服从具有指定平均值和标准偏差的正态分布,如果生成的值大于平均值2个标准 偏差的值则丢弃重新选择。
import tensorflow as tf
X = tf.Variable(tf.truncated_normal([3,2], stddev=1.0, seed=None,dtype=tf.float32,mean=0))
init=tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init)
print(sess.run(X))
输出:
[[ 0.05568237 1.9690834 ]
[-1.1363918 -1.9200847 ]
[-1.0301907 0.9599708 ]]
(5)tf.random_uniform(shape, minval=0, maxval=None, dtype=tf.float32, seed=None, name=None)
#从均匀分布中输出随机值.
生成的值在该 [minval, maxval) 范围内遵循均匀分布.下限 minval 包含在范围内,而上限 maxval 被排除在外.
其中参数:
- minval: 生成的随机值范围的下限;默认为0.
- maxval: 生成的随机值范围的上限.如果 dtype 是浮点,则默认为1