TensorFlow人工智能学习创建数据实现示例详解
一、数据创建
1.tf.constant()
创建自定义类型,自定义形状的数据,但不能创建类似于下面In [59]这样的,无法解释的数据。
2.tf.convert_to_tensor()
可以把numpy以及List类型的数据直接转换为tensor
3.tf.zeros()
和常用的方式一样,传入包含中括号的shape即可。
tf.zeros_like和pytorch功能一样,传入有某个shape的数据,会生成和那个shape一样的zeros数据。tf.ones, tf.ones_like和你想的一样。
4.tf.fill()
生成指定形状的,所有内容都一样的数据,前面shape,后面参数是填充的内容。
二、数据随机初始化
①tf.random.normal()
正态分布,传入形状,可指定均值方差。
②tf.random.truncated_normal()
裁剪过后的数据,裁去了前后分布太少的数据,只从中间数据多的地方取数据,同样可以指定均值方差。
③tf.random.uniform()
均匀分布初始化,形状,最小值,最大值
④tf.random.shuffle()
随机打散,可以打散一个索引顺序,通过tf.gather去对应,这样可以实现两个同样行数的数据,进行索引一一对应的随机打散。
以上就是TensorFlow人工智能学习创建数据实现示例详解的详细内容,更多关于TensorFlow人工智能的资料请关注脚本之家其它相关文章!
相关文章
Win7下Python与Tensorflow-CPU版开发环境的安装与配置过程
这篇文章主要介绍了Win7下Python与Tensorflow-CPU版安装与配置心得,需要的朋友可以参考下2018-01-01在python中实现求输出1-3+5-7+9-......101的和
这篇文章主要介绍了在python中实现求输出1-3+5-7+9-......101的和,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2020-04-04python中BackgroundScheduler和BlockingScheduler的区别
这篇文章主要介绍了python中BackgroundScheduler和BlockingScheduler的区别,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧2021-07-07
最新评论