tensorflow2.0 创建张量

预备工作

在使用tensorflow之前需要先安装tensorflow，然后检查是否安装成功
运行下面的代码

import tensorflow as tf
print("tensorflow-version",tf.__version__)

显示tensorflow的版本

tensorflow-version 2.1.0

tensorflow默认为EagerExcution模式，如果运行tensorflow1版本的程序会报错，需要切换模式
查看当前运行模式

print("eager execution is",tf.executing_eagerly()) # 默认为EagerExcution

eager execution is True

执行tensorflow 1.x的代码会报错 module 'tensorflow' has no attribute 'Session'

a = tf.constant(2,name="input_a")
b = tf.constant(3,name="input_b")
c = tf.add(a,b,name="add_c")

sess = tf.Session()
print(sess.run(c))
sess.close()

会报错

创建张量（tensor对象）

tf.constant(value,dtype,shape)

• value:数字/python列表/numpy数组
• dtype:元素的数据类型
• shape:张量的形状
  

tf.convert_to_tensor(数组/列表/数字/布尔值/字符串)

is_tensor()判断是否为张量

创建特殊的张量

1. 全0、全1张量

tf.zeros(shape,dtype=tf.float32)

tf.ones(shape,dtype=tf.float32)

2. 创建所有元素值都相同的张量

tf.fill(dims,value)

• dims: 形状
• value： 数字，根据value自动判断类型
  

3. 随机数张量

正态分布

tf.random.normal(shape,mean,stddev,dtype)正态分布

• shape: 形状
• mean: 均值，默认是0
• stddev: 标准差，默认是1
• dtype: 数据类型，默认是flOat32

tf.random.truncated_normal(shape,mean,stddev,dtype)截断正态分布
不会产生偏离截断标准的值，截断标准是2倍的标准差

例如，当均值为0，标准差为1的时候。
使用tf.random.normal，可能产生[-2,2]以外的点，而tf.random.truncated_normal不会产生

均匀分布

tf.random.uniform(shape,minval,maxval,dtype)均匀分布

• shape: 形状
• minval: 最小值
• maxval: 最大值
• dtype: 类型
  

随机打乱

tf.random.shuffle()随机打乱函数
将张量按着第一维打乱
参数除了可以是张量以外还可以是np数组和list

创建序列

tf.range(start,limit,delta,dtype

张量的属性

• ndim 维度
• shape 形状
• dtype 类型