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.nameb.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tensortf.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
