tensorflow005 張量操作的api

固定值張量

tf.zeros(shape, dtype=tf.float32, name=none)

建立所有元素設定為零的張量。此操作返回乙個dtype具有形狀shape和所有元素設定為零的型別的張量。

tf.zeros_like(tensor, dtype=none, name=none)

給tensor定單張量（），此操作返回tensor與所有元素設定為零相同的型別和形狀的張量。

tf.ones(shape, dtype=tf.float32, name=none)

建立乙個所有元素設定為1的張量。此操作返回乙個型別的張量，dtype形狀shape和所有元素設定為1。

tf.ones_like(tensor, dtype=none, name=none)

給tensor定單張量（），此操作返回tensor與所有元素設定為1 相同的型別和形狀的張量。

tf.fill(dims, value, name=none)

建立乙個填充了標量值的張量。此操作建立乙個張量的形狀dims並填充它value。

tf.constant(value, dtype=none, shape=none, name='const')

建立乙個常數張量。

隨機值張量一般我們經常使用的隨機數函式 math.random() 產生的是服從均勻分布的隨機數，能夠模擬等概率出現的情況，例如扔乙個骰子，1到6點的概率應該相等，但現實生活中更多的隨機現象是符合正態分佈的，例如20歲成年人的體重分布等。

假如我們在製作乙個遊戲，要隨機設定許許多多 npc 的身高，如果還用math.random()，生成從140 到 220 之間的數字，就會發現每個身高段的人數是一樣多的，這是比較無趣的，這樣的世界也與我們習慣不同，現實應該是特別高和特別矮的都很少，處於中間的人數最多，這就要求隨機函式符合正態分佈。

tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=none, name=none)

從正態分佈中輸出隨機值，由隨機正態分佈的數字組成的矩陣

tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=none, name=none)

從截斷的正態分佈中輸出隨機值，和 tf.random_normal() 一樣，但是所有數字都不超過兩個標準差