?

目錄

1、tf.constant()

2、tf.Variable()

3、tf.zeros():用0去填充指定形狀的數組

?4、tf.convert_to_tensor(a,dtype=tf.int32)

5、tf.ones():用1去填充指定形狀的數組

6、tf.fill():用指定的元素去填充指定形狀的數組

7、隨機化初始化進行創建

1）normal正態分布

2）Uniform均勻分布

均勻分布的應用

---

1、tf.constant()

a=tf.constant(數據)

2、tf.Variable()

這個是專門為神經網絡的參數進行設置的一個數據類型，它含有兩個屬性，一個是name，一個是train able

    a = tf.range(4)#[0,1,2,3]b = tf.Variable(a,name = "變量名")b.nameb.trainable#返回True，表示是可以訓練的變量，系統會自動對該變量的梯度進行監督（watch）

3、tf.zeros():用0去填充指定形狀的數組

tf.zeros([行數，列數])

?4、tf.convert_to_tensor(a,dtype=tf.int32)

#numpy轉換為tensortf.convert_to_tensor(變量名，dtype=tf.數據類型)

5、tf.ones():用1去填充指定形狀的數組

tf.ones([行數，列數])

6、tf.fill():用指定的元素去填充指定形狀的數組

7、隨機化初始化進行創建

1）normal正態分布

?

當梯度消失時，其參數的更新會變得很慢，為了避免這種情況，我們對初始化的元素進行截取，因此使用：

tf.random.truncated_normal()來生成正態分布的Tensor會好一些

?

2）Uniform均勻分布

均勻分布的應用

以上的例子可以用在深度學習的圖片分類問題上

?