Tensorflow中的张量，占位符，变量

张量是tensorflow的主要数据结构。下面主要介绍如何创建张量

1.创建指定维度的张量。

zero=tf.zeros([行数，列数]) / one=tf.ones([行数，列数])

2.创建制定维度的常数来填充张量

fill=tf.fill([行数，列数]，42)

3.使用已知的常数来创建一个张量。

constant=tf.constant([1,2,3])

4.创建一个与给定tensor类型大小一致的张量，其所有的元素为1或0

tf.zeros_like([tensor]) 

tf.ones_like([tensor])

5.创建序列张量

tf.range(start=6,limit=15,delta=3) 产生[6,9,12]这个结果不包含limit值

6.创建随机张量，这个经常用来初始化模型参数

tf.random_uniform([行数，列数]，minval=0,maxval=1)生成均匀分布的随机数，不包含最大值

tf.random_normal([行数，列数]，mean=0.0,stddev=1.0)生成正太分布的随机数

tf.truncated_normal([行数，列数]，mean=0.0,stddev=1.0)函数生成带有指定边界的正太分布的随机数，其随机数位于指定两个标准差之间的区间

一旦创建好张量之后，就可以通过tf.Variable()函数封装张量来作为变量

7.占位符和变量

tensorflow中的变量值得是机器学习算法中的参数，tensorflow通过维护和调整这些变量的状态来优化机器学习算法

占位符是tensorflow对象，用于表示输入和输出数据的格式，允许传入指定类型和形状的数据

在tensorflow中，tf.Variable()函数创建变量，过程是输入一个张量，返回一个变量，声明变量后需要初始化变量。

tensorflow中采用tf.global_variables_ initializer()一次性初始化所有变量,占位符仅仅声明了变量的位置，便于传入数据到计算图中

可以通过feed_dict中的参数获取数据，在计算图中使用占位符时，必须要在其上执行至少一个操作。tensorflow中的每个变量都有一个initializer方法。