開啟python shell，輸入import tensorflow as tf，然後可以執行以下**。
1、建立乙個2*3的矩陣，並讓所有元素的值為0.（型別為tf.float）
a = tf.zeros([2,3], dtype = tf.float32)
2、建立乙個3*4的矩陣，並讓所有元素的值為1.
b = tf.ones([3,4])
3、建立乙個1*10的矩陣，使用2來填充。（型別為tf.int32，可忽略）
c = tf.constant(2, dtype=tf.int32, shape=[1,10])
4、建立乙個1*10的矩陣，其中的元素符合正態分佈，平均值是20，標準偏差是3.
d = tf.random_normal([1,10],mean = 20, stddev = 3)
上面所有的值都可以用來初始化變數。例如用0.01來填充乙個1*2的矩陣來初始化乙個叫bias的變數。
bias = tf.variable(tf.zeros([1,2]) + 0.01)
如果你想檢視這些量具體的值，可以在session中執行它並輸出。
sess =tf.session()print(sess.run(d))
這裡，我得到了以下的值：
[[ 22.44503784 18.19544983 17.89671898 17.67314911 19.45074844
18.6805439 18.56541443 16.59041977 22.11240005 19.12819099]]。它就是上面4我們建立的量的值。
參考資料
《tensorflow學習筆記（3）》：
tensorflow中的變數管理
變數管理 通過名稱獲取變數 tf.get variable 和tf.variable scope 函式實現。tf.get variable 建立變數或者獲取變數，與tf.variable 基本等價 下面二個變數等價 v tf.get variable v shape 1 initializer tf...
tensorflow中的變數管理
import tensorflow as tf variable scope 示例 tensorflow中通過變數名稱獲取變數的機制主要是通過tf.get variable和tf.variable scope函式實現的 tf提供tf.get variable函式來建立或獲取變數 當tf.get va...
tensorflow中FLAGS全域性變數用法
tensorflow中flags主要用於接受命令行傳遞引數，可以全域性的更改 中的引數，這正好適用於深度學習這種用到引數比較多的地方。大概的步驟就是現在.py檔案中定義相應引數，然後呼叫flags，將引數儲存在flags中，方便進一步的更改和呼叫 例如 呼叫時直接用 flags.引數名 呼叫即可。1...