简介

深度学习需要熟悉使用一个框架，本人选择了TensorFlow，一边学习一边做项目，下面简要介绍TensorFlow中的基本常量、变量和运算操作，参考斯坦福大学的cs20si和TensorFlow官网API。

常量

tf.constant()

tf.constant(value, dtype=None, shape=None, name='Const', verify_shape=False),value为值，dtype类型，shape为张量形状，name名称、verify_shape默认False，这些项可选。作用创建一个常量。

a = tf.constant(2, name="a") # print(a) = 2
b = tf.constant(2.0, dtype=tf.float32, shape=[2,2], name="b") # 2x2矩阵，值为2
c = tf.constant([[1, 2], [3, 4]], name="c") # 2x2矩阵,值1,2,3,4

tf.zeros()和tf.zeros_like()

tf.zeros(shape, dtype=tf.float32, name=None), shape为张量形状，dtype类型，name名称。创建一个值为0的常量。

a = tf.zeros(shape=[2, 3], dtype=tf.int32, name='a') # 2x3矩阵，值为0, a = [[0, 0, 0], [0, 0, 0]]

tf.zeros_like(input_tensor, dtype=None, name=None, optimize=True)，input_tensor为张量，dtype类型，name名称，optimize优化。根据输入张量创建一个值为0的张量，形状和输入张量相同。

input_tensor = tf.constant([[1,2], [3,4], [5,6])
a = tf.zeros_like(input_tensor) # a = [[0, 0], [0, 0], [0, 0]]

tf.ones()和tf.ones_like()

tf.ones(shape, dtype=tf.float32, name=None)，与tf.zeros()类似。

tf.ones_like(input_tensor, dtype=None, name=None, optimize=True)，与tf.zeros_like()类似。

tf.fill()

tf.fill(dims, value, name=None), dims为张量形状，同上述shape，vlaue值，name名称。作用是产生一个张量，用一个具体值充满张量。

a = tf.fill([2,3], 8) # 2x3矩阵，值为8

tf.linspace()

tf.linspace(start, stop, num, name=None)，start初始值，stop结束值，num数量，name名称。作用是产生一个等差数列一维向量，个数是num，初始值start、结束值stop。

a = tf.linspace(10.0, 13.0, 4) # a = [10.0 11.0 12.0 13.0]

tf.range()

tf.range(start=0, limit=None, delta=1, dtype=None, name='range')，start初始值，limit限制，delta增量，dtype类型，name名称。作用是产生一个等差数列的一维向量，初始值start，公差delta，结束值小于limit。

a = tf.range(start, limit, delta) # a = [3, 6, 9, 12, 15]
b = tf.range(5) # b = [0, 1, 2, 3, 4]

tf.random_normal()

tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None), shape张量形状，mean均值，stddev标准差，dtype类型，seed随机种子，name名称。作用是产生一个正太分布分布，均值为mean，标准差为stddev。

tf.truncated_normal()

tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None,name=None)，shape张量形状，mean均值，stddev标准差，dtype类型，seed随机种子，name名称。作用是产生一个截断的正太分布，形状为shape，均值为mean，标准差为stddev。

tf.random_uniform()

tf.random_uniform(shape, minval=0, maxval=None, dtype=tf.float32, seed=None,name=None)，shape张量形状，minval最小值，maxval最大值，dtype类型，seed随机种子，name名称。作用是产生一个均匀分布，形状为shape，最小值为minval，最大值为maxval。