本文介绍了TensorFlow中数据初始化的各种方法，包括使用zeros、ones创建全零或全一矩阵，利用Zeros_like、ones_like根据已有张量形状创建矩阵。此外还探讨了通过Tf.random.normal生成正态分布随机数、Tf.random.truncated_normal生成截断正态分布随机数、Tf.random.uniform生成均匀分布随机数的方法，并讲解了Tf.gather、Tf.shuffle等数据处理函数的应用。
需要注意的是：
Convert_to_tensor 的参数是data 即数据本身。 Zeros、ones 的参数是shape，也就是维度。
Zeros_like = zeros(a.shape)
ones_like = ones(a.shape)
第一个参数是shape，第二个参数是默认值
Tf.random.normal 正态分布，第一个参数是shape，第二个参数是均值（缺省是0），第三个参数是方差（缺省是1）。
Tf.random.truncated_normal 截断正态分布，去掉梯度消失部分的正态分布。
截断正态分布：去掉红色部分的正态分布。
Tf.random.uniform:均匀分布。第一个参数是shape，第二个参数是最小值，第三个参数是最大值。
Tf.random.shuffle: 随机打散。
Tf.gather: 根据指定的次序转换对象。可以根据随机打散后的次序取数据。上面的例子中新的队列就是根据idx的次序在老队列中重新取的。
Tf.convert_to_tensor 与 tf.constant 基本一样
扫一扫
662
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
