南京住房和城乡建设部网站,企业网络推广体系图,北京网吧,做网站建设销售员准备什么1.tf.constant(value,dtypeNone,shapeNone,nameConst) 注意这个函数创造的是一个常数tensor#xff0c;而不是一个具体的常数 value:即可以是list#xff0c;也可以是value dtype:对应生成的tensor里的元素的类型 # Constant 1-D Tensor populated with value list.tensor t…1.tf.constant(value,dtypeNone,shapeNone,nameConst) 注意这个函数创造的是一个常数tensor而不是一个具体的常数 value:即可以是list也可以是value dtype:对应生成的tensor里的元素的类型 # Constant 1-D Tensor populated with value list.tensor tf.constant([1, 2, 3, 4, 5, 6, 7]) [1 2 3 4 5 6 7] 注意这种直接加入list的情况# Constant 2-D tensor populated with scalar value -1.tensor tf.constant(-1.0, shape[2, 3]) [[-1. -1. -1.][-1. -1. -1.]] 对于value给tensor并不是不能shape形状如果shape出来value中的元素不够用时就以最后一个元素重复出现填充至满足形状。 以下实例 sess tf.InteractiveSession() a tf.constant([1,2,3],shape [6])b tf.constant([1,2,3],shape [3,2])c tf.constant([1,2,3],shape [2,3]) print sess.run(a)
[1 2 3 3 3 3]print sess.run(b)
[[1 2][3 3][3 3]]print sess.run(c)
[[1 2 3][3 3 3]] 2.tf.truncated_normal(shape,mean0.0,stddev1.0,dtypetf.float32,seedNone,nameNone) 这个函数是从截断的正态分布产生随机数 mean均值 stddev标准差转载于:https://www.cnblogs.com/ymjyqsx/p/6530016.html
