tensorflow2.0學習筆記第一章第一節

1、簡單的神經網絡實現過程

1.1張量的生成

# 建立一個張量
#tf.constant(張量內容，dtpye=數據類型(可選))

import tensorflow as tf
import numpy as np
a = tf.constant([1,5],dtype = tf.int64)
print(a)
print(a.shape)
print(a.dtype)

tf.Tensor([1 5], shape=(2,), dtype=int64)
(2,)
<dtype: 'int64'>

# 將numpy裝換位Tensor數據類型
a = np.arange(0,5)
print(a)
b = tf.convert_to_tensor(a,dtype=tf.int64)
print(a)
print(b)

[0 1 2 3 4]
[0 1 2 3 4]
tf.Tensor([0 1 2 3 4], shape=(5,), dtype=int64)

# 用其餘函數建立Tensor
a = tf.zeros([2,3]) # 建立全爲0的張量
b = tf.ones(4)# 建立全爲1的張量
c = tf.fill([2,3],9)# 建立全爲指定值的張量
print(a)
print(b)
print(c)

tf.Tensor(
[[0. 0. 0.]
 [0. 0. 0.]], shape=(2, 3), dtype=float32)
tf.Tensor([1. 1. 1. 1.], shape=(4,), dtype=float32)
tf.Tensor(
[[9 9 9]
 [9 9 9]], shape=(2, 3), dtype=int32)

# 建立符合正太分佈，默認值爲0，標準差爲1的張量
a = tf.random.normal([2,2],mean = 0.5,stddev = 1)
print(a)
# 生成截斷式正太分佈的隨機數
b = tf.random.truncated_normal([2,2],mean = 0.5,stddev = 1)
print(b)
# 生成均勻分佈隨機數【minval,maxval】
f = tf.random.uniform([2,2],minval = 0,maxval = 1)
print(f)

tf.Tensor(
[[ 0.12163079  0.73826224]
 [ 0.59906054 -0.14564174]], shape=(2, 2), dtype=float32)
tf.Tensor(
[[ 0.7894609   1.4359733 ]
 [ 0.40801105 -0.778183  ]], shape=(2, 2), dtype=float32)
tf.Tensor(
[[0.96589696 0.18097281]
 [0.20087433 0.5297235 ]], shape=(2, 2), dtype=float32)

本節爲tf基本數據類型建立方式，但願小夥伴們可以及時掌握，有什麼問題歡迎留言。