1-25日志

1月25
计划：完成第三章的进阶训练，变量的掌握
stddev ：标准差
--------------------------------------------------------------------------------------------------
正常情况下，使用tf.initialize_all_variables()初始化变量，在完全构建好模型并加载之后才运行这个操作。生成数据的主要方法如下

1）如果需要利用已经初始化的参数给其他变量赋值

TF的变量有个initialized_value()属性，就是初始化的值，使用方法如下：

[python] view plain copy

    # 原始的变量  
    weights = tf.Variable(tf.random_normal([784, 200], stddev=0.35),name="weights")  
    # 创造相同内容的变量  
    w2 = tf.Variable(weights.initialized_value(), name="w2")  
    # 也可以直接乘以比例  
    w_twice = tf.Variable(weights.initialized_value() * 0.2, name="w_twice")  

2）生成tensor的一些方法

生成tensor：

tf.zeros(shape, dtype=tf.float32, name=None)

tf.zeros_like(tensor, dtype=None, name=None)

tf.constant(value, dtype=None, shape=None, name='Const')
tf.fill(dims, value, name=None)
tf.ones_like(tensor, dtype=None, name=None)

tf.ones(shape, dtype=tf.float32, name=None)

生成序列

tf.range(start, limit, delta=1, name='range')
tf.linspace(start, stop, num, name=None)

生成随机数

tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
tf.random_uniform(shape, minval=0.0, maxval=1.0, dtype=tf.float32, seed=None, name=None)
tf.random_shuffle(value, seed=None, name=None)