我就廢話不多說了，直接上代碼吧！
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
|
#全0和全1矩陣v1 = tf.Variable(tf.zeros([3,3,3]), name="v1") v2 = tf.Variable(tf.ones([10,5]), name="v2") #填充單值矩陣 v3 = tf.Variable(tf.fill([2,3], 9)) #常量矩陣 v4_1 = tf.constant([1, 2, 3, 4, 5, 6, 7]) v4_2 = tf.constant(-1.0, shape=[2, 3]) # 和v4_1形狀一樣的全1或全0矩陣v5_1=tf.ones_like(v4_1)v5_2=tf.zeros_like(v4_1) #生成等差數(shù)列 v6_1 = tf.linspace(10.0, 12.0, 30, name="linspace")#float32 or float64 v7_1 = tf.range(10, 20, 3)#just int32 #生成各種隨機(jī)數(shù)據(jù)矩陣 #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")) #正態(tài)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")) #正態(tài)分布,但是去掉2sigma外的數(shù)字v8_3 = tf.Variable(tf.truncated_normal([2,3], mean=0.0, stddev=1.0, dtype=tf.float32, seed=1234, name="v8_3")) #把這3個(gè)行重排列v8_5 = tf.random_shuffle([[1,2,3],[4,5,6],[6,6,6]], seed=134, name="v8_5") |
以上都是計(jì)算圖中的變量,需要sess.run()以后才能成為真正的數(shù)據(jù)
存取方式是：
|
1
2
3
|
np.save("v1.npy",sess.run(v1))#numpy save v1 as file test_a = np.load("v1.npy") print test_a[1,2] |
這篇Tensorflow的常用矩陣生成方式就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持服務(wù)器之家。
原文鏈接：https://blog.csdn.net/windows2/article/details/78664779
