1.tf.constant(value,dtype=None,shape=None,name='Const')
注意这个函数创造的是一个常数tensor,而不是一个具体的常数
value:即可以是list,也可以是value
dtype:对应生成的tensor里的元素的类型
# Constant 1-D Tensor populated with value list. tensor = tf.constant([1, 2, 3, 4, 5, 6, 7]) => [1 2 3 4 5 6 7] 注意这种直接加入list的情况 # Constant 2-D tensor populated with scalar value -1. tensor = tf.constant(-1.0, shape=[2, 3]) => [[-1. -1. -1.] [-1. -1. -1.]]
对于value给tensor,并不是不能shape形状,如果shape出来value中的元素不够用时,就以最后一个元素重复出现填充至满足形状。
以下实例:
>>> sess = tf.InteractiveSession() >>> a = tf.constant([1,2,3],shape = [6]) >>> b = tf.constant([1,2,3],shape = [3,2]) >>> c = tf.constant([1,2,3],shape = [2,3]) >>> print sess.run(a) [1 2 3 3 3 3] >>> print sess.run(b) [[1 2] [3 3] [3 3]] >>> print sess.run(c) [[1 2 3] [3 3 3]]
2.tf.truncated_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None)
这个函数是从截断的正态分布产生随机数
mean:均值
stddev:标准差