判斷張量是幾階的，就看其最左邊有幾個方括號
tf.constant(張量內容，dtype=資料型別(可選)
)
import tensorflowas tfa=tf.constant([1
,5],dtype=tf.int64)
print
(a)print
(a.dtype)
print
(a.shape)
tf. convert_to_tensor(資料名，dtype=資料型別(可選)
)
import tensorflowas tf
import numpyas np
a = np.arange(0,
5)b = tf.convert_to_tensor( a, dtype=tf.int64 )
print
(a)print
(b)
tf. zeros(維度)tf. ones(維度)tf. fill(維度，指定值)一維直接寫個數
二維用[行，列]
多維用[n,m,j,k……]
例子：
a = tf.zeros([2
,3])
b = tf.ones(4)
c = tf.fill([2
,2],
9)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([[
99][
99]]
, shape=(2
,2), dtype=int32)
tf. random.normal(維度，mean=均值，stddev=標準差)tf. random.truncated_normal (維度，mean=均值，stddev=標準差)生成均勻分布隨機數[ minval, maxval)
tf. random. uniform(維度，minval=最小值，maxval=最大值)d = tf.random.normal([2
,2], mean=
0.5, stddev=1)
print
(d)e = tf.random.truncated_normal([2
,2], mean=
0.5, stddev=1)
print
(e)
tf.tensor([[
0.7925745
0.643315][
1.4752257
0.2533372]]
, shape=(2
,2), dtype=float32)
tf.tensor([[
1.3688478
1.0125661][
0.17475659
-0.02224463]]
, shape=(2
,2), dtype=float32)
21
pytorch 張量 張量的生成
張量的生成 import torch import numpy as np 使用tensor.tensor 函式構造張量 a torch.tensor 1.0,1.0 2.2 print a 獲取張量的維度 print 張量的維度 a.shape 獲取張量的形狀大小 print 張量的大小 a.si...
pytorch 張量 張量的資料型別
張量定義 import torch torch.tensor 1.2 3.4 dtype 獲取張量的資料型別，其中torch.tensor 函式生成乙個張量 torch.float32 torch.set default tensor type torch.doubletensor 設定張量的預設資...
tensorflow 中檢視張量值和張量大小
通過with tf.session assess print sess.run y 即可列印出變數的值。下面給出例子importnumpyasnp importtensorflowastf x tf.constant 1,2,3,4,5,6 y tf.reshape x,2,3 withtf.ses...