tensorflow2.0学习笔记第一章第一节

一、简单的神经网络实现过程

1.1张量的生成

# 创建一个张量
#tf.constant(张量内容，dtpye=数据类型(可选))

import tensorflow as tf
import numpy as np
a = tf.constant([1,5],dtype = tf.int64)
print(a)
print(a.shape)
print(a.dtype)

tf.Tensor([1 5], shape=(2,), dtype=int64)
(2,)
<dtype: 'int64'>

# 将numpy装换位Tensor数据类型
a = np.arange(0,5)
print(a)
b = tf.convert_to_tensor(a,dtype=tf.int64)
print(a)
print(b)

[0 1 2 3 4]
[0 1 2 3 4]
tf.Tensor([0 1 2 3 4], shape=(5,), dtype=int64)

# 用其他函数创建Tensor
a = tf.zeros([2,3]) # 创建全为0的张量
b = tf.ones(4)# 创建全为1的张量
c = tf.fill([2,3],9)# 创建全为指定值的张量
print(a)
print(b)
print(c)

tf.Tensor(
[[0. 0. 0.]
 [0. 0. 0.]], shape=(2, 3), dtype=float32)
tf.Tensor([1. 1. 1. 1.], shape=(4,), dtype=float32)
tf.Tensor(
[[9 9 9]
 [9 9 9]], shape=(2, 3), dtype=int32)

# 创建符合正太分布，默认值为0，标准差为1的张量
a = tf.random.normal([2,2],mean = 0.5,stddev = 1)
print(a)
# 生成截断式正太分布的随机数
b = tf.random.truncated_normal([2,2],mean = 0.5,stddev = 1)
print(b)
# 生成均匀分布随机数【minval,maxval】
f = tf.random.uniform([2,2],minval = 0,maxval = 1)
print(f)

tf.Tensor(
[[ 0.12163079  0.73826224]
 [ 0.59906054 -0.14564174]], shape=(2, 2), dtype=float32)
tf.Tensor(
[[ 0.7894609   1.4359733 ]
 [ 0.40801105 -0.778183  ]], shape=(2, 2), dtype=float32)
tf.Tensor(
[[0.96589696 0.18097281]
 [0.20087433 0.5297235 ]], shape=(2, 2), dtype=float32)

本节为tf基本数据类型创建方式，希望小伙伴们能够及时掌握，有什么问题欢迎留言。