相思资源网 Design By www.200059.com
我就废话不多说了，直接上代码吧！
#全0和全1矩阵 v1 = tf.Variable(tf.zeros([3,3,3]), name="v1") v2 = tf.Variable(tf.ones([10,5]), name="v2") #填充单值矩阵 v3 = tf.Variable(tf.fill([2,3], 9)) #常量矩阵 v4_1 = tf.constant([1, 2, 3, 4, 5, 6, 7]) v4_2 = tf.constant(-1.0, shape=[2, 3]) # 和v4_1形状一样的全1或全0矩阵 v5_1=tf.ones_like(v4_1) v5_2=tf.zeros_like(v4_1) #生成等差数列 v6_1 = tf.linspace(10.0, 12.0, 30, name="linspace")#float32 or float64 v7_1 = tf.range(10, 20, 3)#just int32 #生成各种随机数据矩阵 #平均分布 v8_1 = tf.Variable(tf.random_uniform([2,4], minval=0.0, maxval=2.0, dtype=tf.float32, seed=1234, name="v8_1")) #正态分布 v8_2 = tf.Variable(tf.random_normal([2,3], mean=0.0, stddev=1.0, dtype=tf.float32, seed=1234, name="v8_2")) #正态分布,但是去掉2sigma外的数字 v8_3 = tf.Variable(tf.truncated_normal([2,3], mean=0.0, stddev=1.0, dtype=tf.float32, seed=1234, name="v8_3")) #把这3个行重排列 v8_5 = tf.random_shuffle([[1,2,3],[4,5,6],[6,6,6]], seed=134, name="v8_5")
以上都是计算图中的变量,需要sess.run()以后才能成为真正的数据
存取方式是：
np.save("v1.npy",sess.run(v1))#numpy save v1 as file
test_a = np.load("v1.npy")
print test_a[1,2]
这篇Tensorflow的常用矩阵生成方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
标签：
Tensorflow,矩阵,生成
相思资源网 Design By www.200059.com
广告合作：本站广告合作请联系QQ：858582 申请时备注：广告合作（否则不回）
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
相思资源网 Design By www.200059.com
暂无Tensorflow的常用矩阵生成方式的评论...