矩陣操作

tf.ones  tf.zeros

tf.ones(shape,type,name)
tf.zeros(shape,type,name)
shape是必須要寫的，type與name為可選項
eg:
sess = tf.session()x = tf.ones([2,3],int32)PRint sess.run(x)
結果為：
[[1 1 1]
[1 1 1]]
tf.ones_like    tf.zeros_like
tf.ones_like(tensor,dtype=None,name=None)
tf.zeros_like(tensor,dtype=None,name=None)
新建一個與tensor類型一致的tensor，其元素是1或者0
eg：
tensor = [[1, 2 3], [4, 5, 6]]a = tf.zeros_like(tensor)print sess.run(a)
結果為：
[[0 0 0]
[0 0 0]]
tf.fill
tf.fill(shape, value, name=None)
創建一個形狀為shape的Tensor，其初始值為value
eg：
a = tf.fill([2, 3],3)print sess.run(a)
結果為：
[[3 3 3]
[3 3 3]]
tf.constant
tf.constant(value, dtype=None, shape=None, name='constant')
創建一個常量tensor，按照給出的value來賦值，可以用shape來指定其形狀，value可以是一個數，也可以是一個list。
如果是一個數，那么這個常數tensor都是按照這個value來賦值；
如果是一個list，那么len（value）<=shape展開后的長度，賦值時，先將value值逐個存入，不夠的部分用value最后一個值來填充。
tf.random_normal  tf.truncated_normal  tf.random_unifrom
這幾個是用于隨機生成的tensor，尺寸為shape
tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32,seed=None,name=None)
正太分布隨機數，均值為mean，方差為stddev
tf.trucated_normal(shape, mean=0.0,stddev=1.0, dtype=tf.float32, seed=None, name=None)截斷的正太分布隨機值，只保留[mean-2*stddev, mean+2*stddev]部分
tf.random_unifrom(shape,minval=0, maxval=None, dtype=tf.float32,seed=None,name=None)均值分布隨機數，范圍為[minval, maxval]