目录

1、tf.constant()

2、tf.Variable()

3、tf.zeros():用0去填充指定形状的数组

 4、tf.convert_to_tensor(a,dtype=tf.int32)

5、tf.ones():用1去填充指定形状的数组

6、tf.fill():用指定的元素去填充指定形状的数组

7、随机化初始化进行创建

1）normal正态分布

2）Uniform均匀分布

均匀分布的应用

1、tf.constant()

a=tf.constant(数据)

2、tf.Variable()

这个是专门为神经网络的参数进行设置的一个数据类型，它含有两个属性，一个是name，一个是train able

    a = tf.range(4)#[0,1,2,3]
     
    b = tf.Variable(a,name = "变量名")
     
    b.name
     
    b.trainable#返回True，表示是可以训练的变量，系统会自动对该变量的梯度进行监督（watch）

3、tf.zeros():用0去填充指定形状的数组

tf.zeros([行数，列数])

 4、tf.convert_to_tensor(a,dtype=tf.int32)

#numpy转换为tensor
 
tf.convert_to_tensor(变量名，dtype=tf.数据类型)

5、tf.ones():用1去填充指定形状的数组

tf.ones([行数，列数])

6、tf.fill():用指定的元素去填充指定形状的数组

7、随机化初始化进行创建

1）normal正态分布

当梯度消失时，其参数的更新会变得很慢，为了避免这种情况，我们对初始化的元素进行截取，因此使用：

tf.random.truncated_normal()来生成正态分布的Tensor会好一些

2）Uniform均匀分布

均匀分布的应用

以上的例子可以用在深度学习的图片分类问题上