Tensorflow的常用矩阵生成方式
作者：windows2 发布时间：2023-03-27 16:03:55
标签：Tensorflow,矩阵,生成
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脚本之家。
来源：https://blog.csdn.net/windows2/article/details/78664779
0
投稿猜你喜欢
排查原因，发现是80端口被其它程序占用（很常见的事情╮(╯_╰)╭）。解决方法用记事本打开目录x:\xampp\apache\conf下的h- 1、炫酷星空登录实现代码<!DOCTYPE HTML><html><head><meta http
- 1、先导入HTMLTestRunner模块见生成HTMLTestRunner模块2、实例如下（1）单用例文件执行且生成报告import un
- 1. 案例取所有不为掌门人的员工，按年龄分组！select age as '年龄', count(*) as '人数
- 首先来看一个小程序，这个是计量所花费时间的程序，以下是以往的解决示例from functools import wraps, partial
- 如何生成斐波那契數列斐波那契（Fibonacci）數列是一个非常简单的递归数列，除第一个和第二个数外，任意一个数都可由前两个数相加得到。用计
- 在Django中对于基于函数的视图我们可以 @csrf_exempt 注解来标识一个视图可以被跨域访问。那么对于基于类的视图，我们应该怎么办
- 最近项目遇到一个坑爹的事情，一个源码必须使用PHP5.3，但是现在Ubuntu上自带的版本是5.4，降级之后会出各种奇怪的问题，最后没办法，
- 简单方法实现网页自动适应任何分辨率任何窗口大小(只适用于IE)<!DOCTYPE html PUBLIC "-//W3C//
- 为什么Python中0.2+0.1不等于0.3大家请看下面的python程序代码：print(0.2+0.1)猜一猜运行结果是什么，是0.3
- MySQL 处理重复数据有些 MySQL 数据表中可能存在重复的记录，有些情况我们允许重复数据的存在，但有时候我们也需要删除这些重复的数据。
- 我们知道在Windows下多版本共存的配置方法就是改可执行文件的名字，配置环境变量。Linux中的配置原理差不多，思路就是生成软链接，配置到
- 一、引言 背景我们在做系统时，很多时候是处理实时的任务，请求来了马上就处理，然后立刻给用户以反馈。但有时也会遇到非实时的任务，比如确定的时间
- opencv中内置了张正友的棋盘格标定法，通过一些姿态各异的棋盘格图像，就能标定相机的内外参数。角点检测第一步是角点检测，首先需要读取棋盘格
- 前言最近天气好像有了点小脾气，总是在万分晴朗得时候耍点小性子~阴会天，下上一会的雨~提醒我们时刻记得带伞哦，不然会被雨淋或者被太阳公公晒到
- 废话不多说，直接上代码吧！# 矩阵操作# 将矩阵拉成向量import numpy as npx = np.arange(10).reshap
- 使用socket实现tcp通信，需导入socket模块1、服务端主要步骤：（1）创建socket：socket.socket(family=
- 在Linux中，可以使用nohup将脚本放置后台运行，如下：nohup python myscript.py params1 > no
- 本文实例讲述了Python基于动态规划算法解决01背包问题。分享给大家供大家参考，具体如下：在01背包问题中，在选择是否要把一个物品加到背包
- 前言： 最近在学习过程中总是遇到np.random.seed()这个问题，刚开始总是觉得不过是一个简单的随机数种子，就没太在意，后来遇到的次
