TensorFlow基础中的常量是什么
TensorFlow基础中的常量是什么，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。
广水网站制作公司哪家好，找创新互联！从网页设计、网站建设、微信开发、APP开发、响应式网站等网站项目制作，到程序开发，运营维护。创新互联自2013年起到现在10年的时间，我们拥有了丰富的建站经验和运维经验，来保证我们的工作的顺利进行。专注于网站建设就选创新互联。
下面介绍TensorFlow中与常量相关的几个函数：
tf.constant #常量张量
tf.convert_to_tensor #转换成张量
tf.range #整数等差
tf.linspace #线性等分
tf.random.uniform # 均匀分布
tf.random.normal #正态分布
示范1：
import numpy as np
import tensorflow as tf
g = tf.Graph()
with g.as_default():
# tf.constant可以创建一个常量张量
a = tf.constant([1,2,3],dtype = tf.int32)
# tf.convert_to_tensor有类似作用
# 可以将Python列表或者numpy数组转换成常量张量
b = tf.convert_to_tensor([1,2,3], preferred_dtype =tf.float32)
with tf.Session(graph = g) as sess:
print(sess.run({'a':a,'b':b}))
输出结果如下：
示范2：
import tensorflow as tf
g = tf.Graph()
with g.as_default():
# tf.range 创建整数等差数列
# 使用语法为tf.range(start, limit=None, delta=1)
c = tf.range(1,12,2)
# tf.linspace 为线性等分函数，创建浮点数等差数列
# 使用语法为tf.linspace(start, stop, num)
d = tf.linspace(0.0,1.0,9)
with tf.Session(graph = g) as sess:
print(sess.run({'c':c}))
print(sess.run({'d':d}))
输出结果如下：
示范3：
import tensorflow as tf
g = tf.Graph()
with g.as_default():
# tf.random.uniform创建元素值均匀分布的张量
u = tf.random.uniform(shape=[3,3],minval=0,maxval=5,dtype=tf.int32)
# tf.random.normal创建元素值正态分布的张量
v = tf.random.normal(shape=[6],mean= 0.0,stddev=1.0,dtype=tf.float32)
with tf.Session(graph = g) as sess:
print('u=\n',sess.run(u))
print('v=\n',sess.run(v))
输出结果如下：
此外，有许多与numpy中类似的函数也可以用来创建常量张量。
例如 tf.zeros，tf.ones，tf.zeros_like，tf.diag ...
看完上述内容，你们掌握TensorFlow基础中的常量是什么的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注创新互联行业资讯频道，感谢各位的阅读！
标题名称：TensorFlow基础中的常量是什么
本文链接：http://cdiso.cn/article/pssehi.html
