各位同學好，今天和大家分享一下TensorFlow2.0中的tensor變量的創建方法。內容有：

(1) 通過numpy和list創建tensor；(2) 創建全部為某個值的tensor；(3) 隨機化創建：正態分布、均勻分布；(4) 重新洗牌；(5) tf.constant()

那我們開始吧。

---

1. 通過numpy和list創建tensor

方法： tf.convert_to_tensor(value, dtype=None)

np.ones([2,3]) 使用numpy創建2行3列全為1的數組，將該數組全部變成tensor類型，指定數據類型維tf.float32

import tensorflow as tf
import numpy as np
#（1）通過numpy和list創建tensor
# 將2行3列全為1的numpy類型數據轉換成tensor類型，原數據類型為float32
tf.convert_to_tensor(np.ones([2,3]),dtype=tf.float32)# 將2行3列全為0的numpy類型數據轉換成tensor類型，類型為float64
tf.convert_to_tensor(np.zeros([2,3]))

創建一個一維列表[2,3]，和一個二維列表[[2],[2.]]，轉換成tensor類型

注意：此處的convert_to_tensor([2,3]) 括號內代表data一維數組[2,3]，一定要和下面第2、3節的方法區分開

# 將1維列表變成tensor類型，int32
tf.convert_to_tensor([2,3])  #得到1維長度為2的tensor
# 將2維列表變成tensor類型，float32
tf.convert_to_tensor([[2],[2.]])

---

2. 創建全為某種值的tensor

2.1 創建全為0的tensor

方法： tf.zeros([shape])

注意：這里的 tf.zeros([ ])，括號里填的是形狀shape；而上一節中的列表轉tensor括號里面是一維數組。

# ==1== 初始化為0的tensor
tf.zeros([])  # 只有一個數字0  
# ==2== 創建一個1維的，長度為2，元素全為0的tensor
tf.zeros([2])  # 一維，長度維2，全0
# ==3== 創建m行n列全為0的tensor
tf.zeros([2,3]) # 2行3列，全0
# ==4== 創建三維tensor，全為0的tensor
tf.zeros([2,3,4]) 

根據輸入的tensor變量的shape來創建一個全為0的tensor

方法：?tf.zeros_like(tensor變量)

等同于：?tf.zeros(tensor變量.shape)

a = tf.zeros([2,3])  #a的shape是2行3列
# 法一：
tf.zeros_like(a)     #創建一個2行3列全0的tensor
# 法二：
tf.zeros(a.shape)  

---

2.2 創建全為1的tensor

方法：?tf.ones([shape])

# 創建只有數字1的tensor
tf.ones([])   
# 創建一個1維的，長度維2，只有數字1的tensor
tf.ones(2)    
# 創建一個1維的長度為2的全為1的tensor
tf.ones([2])  
#創建2行3列全為1的tensor
tf.ones([2,3]) 

根據輸入的tensor變量的shape來創建一個全為1的tensor

方法：?tf.ones_like(tensor變量)

等同于：?tf.ones(tensor變量.shape)

# 根據返回對象的shape創建全為1的tensor
a = tf.ones([1,3])  #2維全0的tensor
tf.ones_like(a)
tf.ones_like(a.shape)

---

2.3 全為某元素的tensor

方法： tf.fill([shape], 元素)

用某個元素填充指定形狀

# 這個tensor標量，只有一個值1.2
tf.fill([],1.2) 
# 創建1維長度為3的tensor向量，以1.2填充
tf.fill([3],1.2)  
# 創建2維的2行2列的tensor矩陣，以1.2填充
tf.fill([2,2],1.2)  

---

3. 隨機化初始

3.1 正態分布初始

方法： tf.random.normal(shape, mean=0, stddev=1, dtype=None, seed=None)

shape：?張量的形狀shape，必選

mean： 正態分布的均值，默認為0

stddev： 正態分布的標準差，默認為1.0

dtype： 輸出的類型，默認為tf.float32

seed： 隨機數種子，是一個整數1,2，當設置之后，每次生成的隨機數都一樣

# 創建一個2行2列的tensor，每個元素滿足均值為1，標準差為1的正態分布
tf.random.normal([2,2],mean=1,stddev=1)

---

3.2 截斷正態分布初始

方法： tf.random.truncated_normal()

在原來分布的基礎上，截去某一部分元素，限制變量x的取值范圍。后續可以優化sigmoid函數。

正態分布則可視為不進行任何截斷的截斷正態分布，也即自變量的取值為負無窮到正無窮。

# 創建一個2行2列的tensor，每個元素滿足均值為0，標準差為1的截斷正態分布
tf.random.truncated_normal([2,2],mean=0,stddev=1)

---

3.3 均勻分布

方法：?tf.random.uniform(shape, minval, maxval, dtype=None, seed=None)

shape：?輸出張量的形狀。

minval：?生成的隨機值范圍的下限。默認為0。

maxval：?要生成的隨機值范圍的上限。若dtype是浮點類型，默認是1。

dtype：?輸出的類型，默認 tf.float32。

seed：??整數，當設置之后，每次生成的隨機數都一樣。

tensor中每個元素的范圍在最小值和最大值之間，包含最小值，不包含最大值

# 每個元素都是[0,1)之間隨機采樣，生成2行2列的tensor
tf.random.uniform([2,2]) 
# 每個元素都是從1，10之間隨機采用，整型
tf.random.uniform([2,2],minval=1,maxval=10,dtype=tf.int32)

---

4. 重新洗牌

對一組數據隨機重新排序，可用于打散有相對關系的兩組數據

方法：?tf.random.shuffle(value,seed=None)

idx = tf.range(10)  #一維tensor，包含0-9的10個數
tf.random.shuffle(idx)  #對a重新洗牌

---

5. tf.constant() 方法

將輸入的標量、列表、矩陣變成指定數據類型的tensor

方法： tf.constant(value, dtype=None, shape=None, verify_shape=False)

value： 數值、列表、矩陣

dtype： 指定數據類型

shape： 形狀，指維數以及每一維的大小。當value是數字時，張量的所有元素都會用該數字填充。當value是一個列表時，注意列表的長度必須小于等于shape的大小（即各維大小的乘積）

verify_shape： 如果修改為True的話，表示檢查value的形狀與shape是否相符，符合就輸出結果，如果不符會報錯。

#傳入一個標量，2行2列全為1
tf.constant(1,shape=[2,2]) #傳入一個列表，指定數據類型
tf.constant([1,2.],dtype=tf.float32) 
#傳入一個矩陣，判斷這個矩陣是否是2行2列
tf.constant([[1.1,2.2],[3.3,4.4]],shape=[2,2])  

總結

以上是生活随笔為你收集整理的【TensorFlow2.0】(2) 创建tensor的方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。