TF随笔-4

>>> import tensorflow as tf
>>> a=tf.constant([[1,2],[3,4]])
>>> b=tf.constant([6,6])
>>> result=tf.add(a,b)
>>> sess=tf.Session()
>>> sess.run(result)
array([[ 7,  8],
       [ 9, 10]], dtype=int32)
>>> c=tf.constant([[1,2,3],[4,5,6]])
>>> result3=a*b
>>> sess.run(result3)
array([[ 6, 12],

[18, 24]], dtype=int32)>>> x1=tf.constant([[1,2],[3,4]],name="x1")

>>> x1=tf.constant([[1,2],[3,4]],name="x1")
>>> x2=tf.constant([[11,22],[33,44]],name="x2")

>>> y=tf.matmul(x1,x2)
>>> sess.run(y)
array([[ 77, 110],
       [165, 242]], dtype=int32)

>>> x3=tf.constant([[10,20],],name="x3")
>>> z=tf.matmul(x3,x1)
>>> sess.run(z)
array([[ 70, 100]], dtype=int32)

#正太分布

>>> n1=tf.random_normal([2,3],mean=5,stddev=2)

#正太分布，随机值偏离平均值超过2个标准差，会重新生成新的随机数，避免产生统计学上的异常数据。

>>> n2=tf.truncated_normal([2,3],mean=6,stddev=1)

#平均分布
>>> n3=tf.random_uniform([2,3],minval=5,maxval=20)

#gamma分布

>>> n4=tf.random_gamma([2,3],alpha=1.5,beta=2.9)

>>> sess.run(n1)
array([[ 1.70361972,  0.65788937,  7.08583546],
       [ 5.49968147,  2.47537422,  7.47936249]], dtype=float32)
>>> sess.run(n2)
array([[ 5.51383209,  5.28713369,  5.9794035 ],
       [ 5.45024824,  6.65198326,  4.69569492]], dtype=float32)
>>> sess.run(n3)
array([[  9.39581871,  13.13985538,  17.50672722],
       [ 10.08992577,  15.1558075 ,  18.60567093]], dtype=float32)
>>> sess.run(n4)
array([[ 0.3365562 ,  0.27886772,  0.8982302 ],
       [ 0.21223408,  0.95498532,  1.72396851]], dtype=float32)

>>> n5=tf.Variable(tf.random_normal([2,3],mean=8,stddev=2))

>>> m1=tf.zeros([2,2],tf.int32)
>>> m2=tf.ones([2,2],tf.float32)
>>> m3=tf.fill([2,2],66)

>>> sess.run(m1)
array([[0, 0],
       [0, 0]], dtype=int32)
>>> sess.run(m2)
array([[ 1.,  1.],
       [ 1.,  1.]], dtype=float32)
>>> sess.run(m3)
array([[66, 66],
       [66, 66]], dtype=int32)