tensroflow基础知识(五) tensor常量生成

落日映苍穹つ 2022-05-16 00:39 110阅读 0赞

*   *   *  tensorflow中的tensor常量
            
             *  1. 随机常量
                
                 *  1.1 正态分布
                 *  1.2 均匀分布
                 *  1.3 洗牌
             *  2. 常数常量
             *  3. 全0、全1常量
                
                 *  3.1 生成与tensor相同shape的全0，全1 tensor矩阵
                 *  3.2 全0，全1 的tensor 矩阵

### tensorflow中的tensor常量 ###

常量在深度学习中，经常用于变量Variable的初始化，常用的常量有随机常量、常数常量、全0、全1常量

#### 1. 随机常量 ####

在神经网络中，经常需要用随机常量来初始化一些变量，例如我们在初始化**权重向量W**时，经常要使用**正态分布随机初始化。**

常用的**随机生成函数**：

##### 1.1 正态分布 #####

**函数形式：**

*  `tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,,name=None))`
 *  `tf.truncated_normal(shape,mean=0.0,stddev=1.0,dtype = tf.float32,,name=None))`

其中，**参数含义**：张量形状，平均值，标准差，数据类型

两个**正态分布的区别**是：  
\- `tf.random_normal`是普通的正态分布函数。  
\- `tf.truncated_normal`截断的正态分布函数。其生成的值遵循一个正态分布，**但如果生成但随机值偏离平均值超过2个标准差，这个数会被重新随机分配。**

##### 1.2 均匀分布 #####

**函数形式：**

*  `tf.random_uniform(shape,minval=0,maxval=None,dtype=tf.float32)`

其**参数的含义**是：形状，最小值，最大取值，取值类型等

##### 1.3 洗牌 #####

经常用于讲**训练集洗牌**，避免同一分类下的样本紧紧挨在一起。

函数形式：

*  `tf.random_uniform(shape,minval=0,maxval=None,dtype=tf.float32)`

其参数含义是：形状，最小值，最大取值，取值类型等

*  `tf.random_shuffle(shape,minval=0,maxval=None,dtype=tf.float32)`