标签：2.4 随机数 mat oat 平均值 随机 session 数据 ESS
import tensorflow as tf
a=tf.constant([[1,2],[3,4]])
b=tf.constant([6,6])
result=tf.add(a,b)
sess=tf.Session()
sess.run(result)
array([[ 7, ?8],
? ? ? ?[ 9, 10]], dtype=int32)
c=tf.constant([[1,2,3],[4,5,6]])
result3=a*b
sess.run(result3)
array([[ 6, 12],
? ? ? ?[18, 24]], dtype=int32)>>> x1=tf.constant([[1,2],[3,4]],name="x1")
x1=tf.constant([[1,2],[3,4]],name="x1")
x2=tf.constant([[11,22],[33,44]],name="x2")
y=tf.matmul(x1,x2)
sess.run(y)
array([[ 77, 110],
? ? ? ?[165, 242]], dtype=int32)
x3=tf.constant([[10,20],],name="x3")
z=tf.matmul(x3,x1)
sess.run(z)
array([[ 70, 100]], dtype=int32)
正太分布
n1=tf.random_normal([2,3],mean=5,stddev=2)
正太分布，随机值偏离平均值超过2个标准差，会重新生成新的随机数，避免产生统计学上的异常数据。
n2=tf.truncated_normal([2,3],mean=6,stddev=1)
平均分布
n3=tf.random_uniform([2,3],minval=5,maxval=20)
gamma分布
n4=tf.random_gamma([2,3],alpha=1.5,beta=2.9)
sess.run(n1)
array([[ 1.70361972, ?0.65788937, ?7.08583546],
? ? ? ?[ 5.49968147, ?2.47537422, ?7.47936249]], dtype=float32)
sess.run(n2)
array([[ 5.51383209, ?5.28713369, ?5.9794035 ],
? ? ? ?[ 5.45024824, ?6.65198326, ?4.69569492]], dtype=float32)
sess.run(n3)
array([[ ?9.39581871, ?13.13985538, ?17.50672722],
? ? ? ?[ 10.08992577, ?15.1558075 , ?18.60567093]], dtype=float32)
sess.run(n4)
array([[ 0.3365562 , ?0.27886772, ?0.8982302 ],
? ? ? ?[ 0.21223408, ?0.95498532, ?1.72396851]], dtype=float32)
n5=tf.Variable(tf.random_normal([2,3],mean=8,stddev=2))
m1=tf.zeros([2,2],tf.int32)
m2=tf.ones([2,2],tf.float32)
m3=tf.fill([2,2],66)
sess.run(m1)
array([[0, 0],
? ? ? ?[0, 0]], dtype=int32)
sess.run(m2)
array([[ 1., ?1.],
? ? ? ?[ 1., ?1.]], dtype=float32)
sess.run(m3)
array([[66, 66],
? ? ? ?[66, 66]], dtype=int32)标签：2.4 随机数 mat oat 平均值 随机 session 数据 ESS
原文地址：http://blog.51cto.com/13959448/2332324
