TensorFlow常量&随机量&变量

本文介绍了TensorFlow中几种常用的数据生成方法,包括常量生成、正态分布随机数生成及截断正态分布随机数生成等。通过这些方法,可以为神经网络训练准备初始权重或者生成测试数据。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


一、 tf.constant()  ---  常量

constant(
    value,
    dtype=None,
    shape=None,
    name='Const',
    verify_shape=False
)
  使用例子:

  1.  tf.constant([1, 2, 3, 4, 5])  =>  [1, 2, 3, 4, 5]

  2.  tf.constant(1.0, shape=[2, 3])  =>  [[1.0, 1.0, 1.0], [1.0, 1.0, 1.0]]


二、tf.random_normal()  ---  正太分布随机生成

random_normal(
    shape,
    mean=0.0,
    stddev=1.0,
    dtype=tf.float32,
    seed=None,
    name=None
)
  使用例子:

  1. tf.random_normal([2, 3], mean=0.0, stddev=1)

N(μ,σ^2):mean 对应期望μ,stddev 对应方差σ^2


三、tf.truncated_normal()  ---  正太分布(若随机值超过2个标准差,则重新随机赋值)

四、tf.random_uniform  ---  平均分布

random_uniform(
    shape,
    minval=0,
    maxval=None,
    dtype=tf.float32,
    seed=None,
    name=None
)


五、变量管理






评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值