Tensorflow2.0（一）：Tensor记录

前言：Tensorflow2.0是2019年10月份正式发布的，本人在2019年寒假开始接触Tensorflow2.0，直至近日，对它的学习断断续续，对它的使用还不是特别熟练。为此在学生生涯的最后一个多月，将对Tensorflow2.0进行重新回顾，尤其是其中的基础知识，需要仔细揣摩与理解，最后背诵！

1. 张量（Tensor）
   Tensor表示的是多维数组，是多维列表，用阶表示张量的维数。

维数	阶	名字	例子
0-D	0	标量 scalar	s=1 2 3
1-D	1	向量 vector	v=[1,2,3]
2-D	2	矩阵 matrix	m=[[1,2,3],[4,5,6]]
n-D	n	张量 tensor	t = [[[[…n个

（1）
判断张量是几阶的，就看最左边位置的方括号有几个。
数据类型包括int、float、bool、string等等
通过tf.constant(张量内容、dtype=数据类型（可选))创建一个张量：

import tensorflow as tf 
a = tf.constant([1,5],dtype = tf.int64)
print(a) // tf.Tensor([1,5], shape = (2,), dtype = int64)
print(a.dtype) //dtype: 'int64'
print(a.shape) // a的形状：(2,)
//张量的形状看shape隔开了几个数字，就可以判断该张量是几维的,上述是一维张量，里面有两个元素，代表1和5

（2）
将numpy的数据类型转换为Tensor数据类型：

import tensorflow as tf 
import numpy as np
a = np.arange(0.5)
b = tf.convert_to_tensor(a,dtype=tf.int64)
print(a) // [0 1 2 3 4]
print(b) //  tf.Tensor([0 1 2 3 4], shape = (5,), dtype = int64)

(3) 快速创建张量
tf.zeros([1,3]) // 创建全为0的二维张量 函数类型为float
tf.ones([1,3]) // 创建全为1的二维张量 函数类型为float
tf.fill([1,3], 9) // 创建全为9的二维张量 函数类型为int
一个数字代表一维；二维: [行，列]； 多维：[n,m,j,k…]
√ tf.random.normal(维度，mean=均值，stddev=标准差)生成正态分布的随机数，默认值为0，标准差为1。
√ tf.random.truncated_normal(维度，mean=均值，stddev=标准差)生成截断式正态分布的随机值。
注意：可以推荐使用tf.random.truncated_normal，因为它可以额保证随机生成的数据在（均值-2标准差，均值+2标准差）之间；随机数会更集中一点。
√ 生成均匀分布随机数 ，注意范围区间 [minval, maxval)
tf.random.uniform(维度, minval = 最小值, maxval = 最大值)