笔记：创建Tensor

创建Tensor

使用numpy创建tensor

tf.convert_to_tensor()可接受array或list

tf.convert_to_tensor(np.ones([2,3]))
#	<tf.Tensor: id=42, shape=(2, 3), dtype=float64, numpy=array([[1., 1., 1.], [1., 1., 1.]])>

tf.convert_to_tensor([1,2.])  #类型不统一时转换为float
#	<tf.Tensor: id=46, shape=(2,), dtype=float32, numpy=array([1,2], dtype=int32)>

tf.zeros()

tf.zeros([2,3])
# []内为shape而不是data，指2行3列

tf.zeros_like()

根据传入tensor的shape创建tensor

a = tf.zeros([2,3,3])
tf.zeros_like(a)
tf.zeros(a.shape)	#两者相同

tf.ones()

a = tf.ones([1])
tf.ones_like(a)

Fill

根据输入参数填充

tf.fill([2,2],3)

随机初始化

正态分布

tf.random.normal([2,2], mean=1, stddev=1)	#均值，标准差
tf.random.truncated_normal([2,2],mean=0,stddev=1)	#切割后

均匀分布

tf.random.uniform([2,2],minval=0,maxval=1)
# 0——1均匀分布

应用-随机打散

idx = tf.range(10)
idy = tf.random.shuffle(idx)
print(idx)	# tf.Tensor([0 1 2 3 4 5 6 7 8 9], shape=(10,), dtype=int32)
print(idy)	# tf.Tensor([2 4 1 9 0 8 5 7 6 3], shape=(10,), dtype=int32)

a=tf.gather(a.idx)
b=tf.gather(b,idx)	#一一对应随机打散