伏龙阁资源网

Tensorflow的常用矩阵生成方式
站长资源 2024/11/25 佚名
2 0

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。

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：本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除！
www.wwsws.com 伏龙阁资源网
39,976影音资源
44,792技术资源
21,817软件资源
651,128站长资源

更新日志

友情链接

杰晶网络 DDR爱好者之家 桃源资源网 杰网资源 富贵资源网 南强小屋 铁雪资源网 幽灵资源网 万梅资源网 狼山资源网 白云岛资源网 昆仑资源网 相思资源网 明霞山资源网 内蒙古资源网 黑松山资源网 茶园资源网 饿虎岗资源网 大旗谷资源网 常春岛资源网 岱庙资源网 兴国资源网 快活林资源网 蝙蝠岛资源网 帝王谷资源网 白云城资源网 伏龙阁资源网 清风细雨楼 天枫庄资源网 圆月山庄资源网 无争山庄资源网 神水资源网 移花宫资源网 神剑山庄资源网 无为清净楼资源网 金钱帮资源网 丐帮资源网 华山资源网 极乐门资源网 小李飞刀资源网 凤求凰客栈 风云阁资源网 金狮镖局 鸳鸯亭资源网 千金楼资源网 更多链接