创建Tensor

作者: 酵母小木 | 来源:发表于2020-01-29 21:39 被阅读0次

Pytorch基础篇一
创建Tensor
pytorch基础教程（更新中）
pyTorch基础入门练习
Pytorch学习笔记（一）
Pytorch自学笔记
pytorch tensor 创建方法
tensorflow2 基础知识及练习搭建网络
TensorFlow学习笔记1.7:tf.zeros()
Pytorch1

最近在看韩剧《LIVE》，韩剧有一个致命的问题，为了传达某一主题，它总是那么浪漫，浪漫地让人忘记了生活中的一地鸡毛和一摊狗血。希望以后能够找一个自己愿意为之奋斗终身的职业而不是某种赖以生存的手段，这个职业能够让我找到人生的价值和人生的使命感。
“我需要某种使命感，亦或是某种信仰”——2020

1.通过numpy和List数据类型转换为Tensor

//numpy转换为Tensor
In [19]: tf.convert_to_tensor(np.ones([2, 3]))
Out[19]: <tf.Tensor: id=14, shape=(2, 3), dtype=float64, numpy=
array([[1., 1., 1.],
       [1., 1., 1.]])>

In [20]: tf.convert_to_tensor(np.zeros([2, 3]))
Out[20]: <tf.Tensor: id=15, shape=(2, 3), dtype=float64, numpy=
array([[0., 0., 0.],
       [0., 0., 0.]])>

//List转换为Tensor
In [21]: tf.convert_to_tensor([1, 2])
Out[21]: <tf.Tensor: id=16, shape=(2,), dtype=int32, numpy=array([1, 2])>

//数据类型强制转换为浮点型
In [22]: tf.convert_to_tensor([1, 2.])
Out[22]: <tf.Tensor: id=17, shape=(2,), dtype=float32, numpy=array([1., 2.], dtype=float32)>

In [23]: tf.convert_to_tensor([[1], [2.]])
Out[23]: <tf.Tensor: id=18, shape=(2, 1), dtype=float32, numpy=
array([[1.],
       [2.]], dtype=float32)>

2.tf.zeros()和tf.ones()

//生成全为零的Tensor
tf.zeros(
    shape,
    dtype=tf.dtypes.float32,
    name=None
)
//生成全为1的Tensor
tf.ones(
    shape,
    dtype=tf.dtypes.float32,
    name=None
)

ipython中tf.zeros()的练习

In [26]: tf.zeros([])
Out[26]: <tf.Tensor: id=19, shape=(), dtype=float32, numpy=0.0>

In [27]: tf.zeros([1])
Out[27]: <tf.Tensor: id=22, shape=(1,), dtype=float32, numpy=array([0.], dtype=float32)>

In [28]: tf.zeros([2, 2])
Out[28]:
<tf.Tensor: id=25, shape=(2, 2), dtype=float32, numpy=
array([[0., 0.],
       [0., 0.]], dtype=float32)>

In [29]: tf.zeros([2, 3, 3])
Out[29]:
<tf.Tensor: id=28, shape=(2, 3, 3), dtype=float32, numpy=
array([[[0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.]],

       [[0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.]]], dtype=float32)>

ipython中tf.ones()的练习

In [35]: tf.ones([])
Out[35]: <tf.Tensor: id=42, shape=(), dtype=float32, numpy=1.0>  #标量

In [39]: tf.ones([0])
Out[39]: <tf.Tensor: id=54, shape=(0,), dtype=float32, numpy=array([], dtype=float32)>  #空

In [34]: tf.ones([1])
Out[34]: <tf.Tensor: id=41, shape=(1,), dtype=float32, numpy=array([1.], dtype=float32)>

In [38]: tf.ones([2])
Out[38]: <tf.Tensor: id=51, shape=(2,), dtype=float32, numpy=array([1., 1.], dtype=float32)>  

In [41]: tf.ones([2, 3])
Out[41]: <tf.Tensor: id=57, shape=(2, 3), dtype=float32, numpy=
array([[1., 1., 1.],
       [1., 1., 1.]], dtype=float32)>

3.tf.zeros_like()和tf.ones_like()

常用于参数初始化

// tf.zeros_like(a)等同于tf.zeros(a.shape)
// 即创建一个形状和a相似的全为零的Tensor

// tf.ones_like(a)等同于tf.ones(a.shape)
// 即创建一个形状和a相似的全为1的Tensor

In [30]: a=tf.zeros([2,3,3])

In [31]: tf.zeros_like(a)
Out[31]: <tf.Tensor: id=32, shape=(2, 3, 3), dtype=float32, numpy=
array([[[0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.]],

       [[0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.]]], dtype=float32)>

In [43]: tf.ones_like(a)
Out[43]: <tf.Tensor: id=63, shape=(2, 3, 3), dtype=float32, numpy=
array([[[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]],

       [[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]]], dtype=float32)>

4.tf.fill()

tf.fill(
    dims,
    value,
    name=None
)

ipython中的练习笔记

In [44]: tf.fill([2,3],5)
Out[44]: <tf.Tensor: id=66, shape=(2, 3), dtype=int32, numpy=
array([[5, 5, 5],
       [5, 5, 5]])>

5.随机化初始化：tf.random包

tf.random.normal():正态随机分布

tf.random.normal(
    shape,      //尺寸
    mean=0.0,    //均值
    stddev=1.0,  //方差
    dtype=tf.dtypes.float32,  //数据类型
    seed=None,
    name=None
)

tf.random.truncated_normal():正态截断随机分布

从截断的正态分布中输出随机值。生成的值服从具有指定平均值和标准偏差的正态分布，如果生成的值与平均值之差绝对值大于2个标准偏差的值则丢弃重新选择。
即在tf.truncated_normal中，如果x的取值在区间（μ-2σ，μ+2σ）之外则重新进行选择。

tf.random.truncated_normal(
    shape,
    mean=0.0,
    stddev=1.0,
    dtype=tf.dtypes.float32,
    seed=None,
    name=None
)

tf.random.uniform():均匀分布

tf.random.uniform(
    shape,
    minval=0,      //起始值
    maxval=None,  //终止值
    dtype=tf.dtypes.float32,  //数据类型
    seed=None,
    name=None
)

tf.random.shuffle():随机打散

tf.random.shuffle(
    value,
    seed=None,
    name=None
)

ipython中tf.ones()的练习

In [45]: idx = tf.range(10)

In [46]: idx = tf.random.shuffle(idx)

In [47]: idx
Out[47]: <tf.Tensor: id=71, shape=(10,), dtype=int32, numpy=array([1, 6, 4, 7, 9, 3, 5, 2, 8, 0])>

In [48]: a = tf.random.normal([10, 784])

In [49]: b = tf.random.uniform([10],maxval=10, dtype=tf.int32)

In [50]: a
Out[50]: <tf.Tensor: id=77, shape=(10, 784), dtype=float32, numpy=
array([[-0.09842622, -0.09330572,  0.3747942 , ...,  0.12874106,
         0.5441303 , -0.00928718],
       [-0.88250256, -0.8332032 , -1.2387674 , ..., -0.7861157 ,
        -0.17430513, -0.01252976],
       [ 0.16364974,  0.9982837 , -0.92416286, ..., -0.5699464 ,
        -0.7448051 ,  0.9708245 ],
       ...,
       [-1.3529503 ,  0.13369474,  0.15024382, ...,  0.83006376,
        -0.80389315, -0.1496974 ],
       [ 1.8251408 , -1.1838558 ,  1.1211517 , ...,  1.4375882 ,
         0.31284317, -1.3510509 ],
       [ 2.702064  , -0.26362687, -1.5527179 , ...,  0.13134663,
         1.4883399 ,  1.5345211 ]], dtype=float32)>

In [51]: b
Out[51]: <tf.Tensor: id=81, shape=(10,), dtype=int32, numpy=array([6, 2, 0, 3, 9, 6, 3, 6, 7, 8])>

In [52]: a = tf.gather(a, idx)

In [53]: a
Out[53]: <tf.Tensor: id=83, shape=(10, 784), dtype=float32, numpy=
array([[-0.88250256, -0.8332032 , -1.2387674 , ..., -0.7861157 ,
        -0.17430513, -0.01252976],
       [-0.00973835, -0.49523634, -0.7052403 , ...,  0.30609828,
        -0.03025832,  0.64454794],
       [ 2.3122382 , -0.5850862 , -0.89548963, ...,  0.16975878,
        -0.37662947,  0.14918844],
       ...,
       [ 0.16364974,  0.9982837 , -0.92416286, ..., -0.5699464 ,
        -0.7448051 ,  0.9708245 ],
       [ 1.8251408 , -1.1838558 ,  1.1211517 , ...,  1.4375882 ,
         0.31284317, -1.3510509 ],
       [-0.09842622, -0.09330572,  0.3747942 , ...,  0.12874106,
         0.5441303 , -0.00928718]], dtype=float32)>

In [54]: b = tf.gather(b, idx)

In [55]: b
Out[55]: <tf.Tensor: id=85, shape=(10,), dtype=int32, numpy=array([2, 3, 9, 6, 8, 3, 6, 0, 7, 6])>

6.tf.constant()

In [57]: tf.constant(1)
Out[57]: <tf.Tensor: id=86, shape=(), dtype=int32, numpy=1> //标量

In [58]: tf.constant([])
Out[58]: <tf.Tensor: id=87, shape=(0,), dtype=float32, numpy=array([], dtype=float32)>      //空

In [59]: tf.constant([1])
Out[59]: <tf.Tensor: id=88, shape=(1,), dtype=int32, numpy=array([1])>  //数组

In [64]: tf.constant([1, 2.])
Out[64]: <tf.Tensor: id=93, shape=(2,), dtype=float32, numpy=array([1., 2.], dtype=float32)>