tensorflow 框架学些（二） 之 Constant Op详解大数据

本文介绍tf的constant op: 常量，序列，随机序列
参考官方 http://www.tensorfly.cn/tfdoc/api_docs/python/constant_op.html

1 constants —常量

1.1 zeros

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

创建元素为0的张量：

 tf.zeros([2, 3], int32) ==> [[0, 0, 0], [0, 0, 0]]

1.2 zeros_like

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

依据一个tensor的shape创建一个新tensor：

# 'tensor_instance' is [[1, 2, 3], [4, 5, 6]] 
tf.zeros_like(tensor_instance) ==> [[0, 0, 0], [0, 0, 0]]

1.3 ones

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

举例：

tf.ones([2, 3], int32) ==> [[1, 1, 1], [1, 1, 1]]

1.4 ones_like

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

1.5 fill

tf.fill(dims, value, name=None)

依据shape填充value；

#'dims' is [2, 3] 
fill(dims, 9) ==> [[9, 9, 9] 
                   [9, 9, 9]]

1.6 constant

tf.constant(value, dtype=None, shape=None, name='Const')

创建常量

 # Constant 1-D Tensor populated with value list. 
 tensor = tf.constant([1, 2, 3, 4, 5, 6, 7]) => [1 2 3 4 5 6 7] 
 
 # Constant 2-D tensor populated with scalar value -1. 
 tensor = tf.constant(-1.0, shape=[2, 3]) => [[-1. -1. -1.] 
                                              [-1. -1. -1.]]

2 Sequence

2.1 linspace

tf.linspace(start, stop, num, name=None)

创建包含num个元素的张量。 数值interval = stop – start / num-1递增:

tf.linspace(10.0, 12.0, 3, name="l") => [ 10.0  11.0  12.0]

2.2 range

tf.range(start, limit, delta=1, name='range')

[start, limit)，左闭又开
创建int类型的tensor：

# 'start' is 3 
# 'limit' is 18 
# 'delta' is 3 
tf.range(start, limit, delta) ==> [3, 6, 9, 12, 15]

3 Random tensor

3.1 random_normal

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

返回随机数序列，数值服从正态(normal）分布（参数中mean是均值，stddev是标准差）。 其中seed用户控制在op-level 和grapl-level产生相同或不同的序列，详见 ：
http://www.tensorfly.cn/tfdoc/api_docs/python/constant_op.html#set_random_seed

3.2 truncated_normal

tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

截断的随机正态分布。 所有值都在[mean – 2*div, mean + 2*div]

3.3 random_uniform

tf.random_uniform(shape, minval=0.0, maxval=1.0, dtype=tf.float32, seed=None, name=None)

产生一个随机数序列，数值服从均匀分布（每个元素取任一值的概率一样）。 minval, maxval分别是最小、最大值

3.4 random_shuffle

tf.random_shuffle(value, seed=None, name=None)

沿着第0维随机调整tensor.

[[1, 2],       [[5, 6], 
 [3, 4],  ==>   [1, 2], 
 [5, 6]]        [3, 4]]