2、介紹在TensorFlow當中使用不同的方式創建張量tensor

import tensorflow as tf

from tensorflow.python.framework import ops

ops.reset_default_graph()

#開始一個計算圖,通過使用tf.Session（）的方式來獲得

sess=tf.Session()

#創建張量，TensorFlow當中內置了很多用來創建張量的不同方式

my_tensor=tf.zeros([1,20])

#通過在會話當中調用run函數估算我們的tensor

print(sess.run(my_tensor))

#創建變量

my_var=tf.Variable(tf.zeros([1,20]))

#注意，但是現在還不能直接使用sess.run()直接輸出計算的張量，因為TensorFlow通過計算圖進行操作，所以為了能夠估算一個變量的數值，我們必須要執行一個變量初始化的操作，

#接下來通過一個初始化操作，然后再執行tf.run()輸出

sess.run(my_var.initializer)

sess.run(my_var)

#接下來通過創建自定義形狀的變量變量

row_dim = 2

col_dim = 3

#聲明自定義形狀的變量

zeros_var = tf.Variable(tf.zeros([row_dim, col_dim]))

ones_var = tf.Variable(tf.ones([row_dim, col_dim]))

#接着通過調用initializer和run方法實現估算變量的數值

sess.run(zeros_var.initializer)

sess.run(ones_var.initializer)

print(sess.run(zeros_var))

print(sess.run(ones_var))

#基於其他的tensor的形狀創建

#如果創建的tensor的形狀依賴於其他的tensor的形狀，那么我們就可以使用TensorFlow內建的函數ones_like()或者zeros_like()來創建

zeros_similar=tf.Variable(tf.zeros_like(zeros_var))

ones_silimar=tf.Variable(tf.ones_like(ones_var))

sess.run(zeros_similar.initializer)

sess.run(ones_silimar.initializer)

print(sess.run(zeros_similar))

print(sess.run(ones_silimar))

#通過填充一個常量來創建張量

fill_var=tf.Variable(tf.fill([row_dim,col_dim],-1))

sess.run(fill_var.initializer)

print(sess.run(fill_var))

#我們還可以通過使用數組或者列表常量創建變量

#通過使用常量創建變量

const_var = tf.Variable(tf.constant([8, 6, 7, 5, 3, 0, 9]))

#也可以使用下面一種方式來進行變量的創建

const_fill_var = tf.Variable(tf.constant(-1, shape=[row_dim, col_dim]))

sess.run(const_var.initializer)

sess.run(const_fill_var.initializer)

print(sess.run(const_var))

print(sess.run(const_fill_var))

# 基於序列和范圍創建張量

# 在TensorFlow當中，我們也可以基於序列創建張量 TensorFlow當中的linspace和range和numpy類似於python和numpy當中的這個函數

# TensorFlow當中的 linspace

line_var = tf.Variable(tf.linspace(start=0.0,stop=1.0,num=3))  # 創建【0.0,0.5,1.0】包括最后一個值

# TensorFlow當中的范圍創建變量

sequence_var=tf.Variable(tf.range(start=6,limit=15,delta=3))    # 創建范圍函數[6,9,12]不包括最后一個值

sess.run(line_var.initializer)

sess.run(sequence_var.initializer)

print(sess.run(line_var))

print(sess.run(sequence_var))

# 使用隨機數在TensorFlow當中創建變量

rnorm_var = tf.random_normal([row_dim, col_dim], mean=0.0, stddev=1.0)

runif_var = tf.random_uniform([row_dim, col_dim], minval=0, maxval=4)

print(sess.run(rnorm_var))

print(sess.run(runif_var))

# 在TensorBoard當中可視化創建的變量

# 為了在TensorBoard當中可視化創建的變量，我們需要reset一下computational graph然后創建全局的初始化

# 重設計算圖

ops.reset_default_graph()

# 啟動一個會話

sess = tf.Session()

# 創建變量

my_var = tf.Variable(tf.zeros([1,20]))

# 向TensorBoard當中添加總結

merged = tf.summary.merge_all()

# initialize graph write

writer = tf.summary.FileWriter('/tmp/variable_logs', graph=sess.graph)

# 初始化操作

initialize_op = tf.global_variables_initializer()

# 執行初始化操作

sess.run(initialize_op)

來自為知筆記(Wiz)