کار با تانسورها در TensorFlow

برای تعریف تانسورها در تنسورفلو، پس از فراخوانی کتابخانه تنسورفلو، بسته به نوع تانسور مورد نیاز (یعنی متغیر، مقدار نگه‌دار، ثابت) از دستورهای زیر استفاده می‌کنیم.

تانسورهای با مقدار ثابت


توضیح	دستور
تانسور پرشده با درایه‌های صفر	tf.zeros(shape, dtype=tf.float32, name=None)
تانسوری از ورودی دریافت و به شکل آن تانسوری با درایه‌های صفر ایجاد می‌کند.	tf.zeros_like(tensor, dtype=None, name=None, optimize=True)
تانسور پرشده با درایه‌های یک	tf.ones(shape, dtype=tf.float32, name=None)
تانسوری از ورودی دریافت و به شکل آن تانسوری با درایه‌های یک ایجاد می‌کند.	tf.ones_like(tensor, dtype=None, name=None, optimize=True)
مقداری اسکالر و ابعاد (شکل) تانسور را از ورودی دریافت و به ابعاد وارده تانسوری با درایه‌های آن مقدار اسکالر ورودی ایجاد می‌کند.	tf.fill(dims, value, name=None)
ایجاد تانسور ثابت با مقادیر و شکل مورد نظر	tf.constant(value, dtype=None, shape=None, name=’Const’, verify_shape=False)

گاهی نیاز می‌شود که تانسوری از مقادیر متوالی داشته باشیم. برای این منظور تمهیداتی در تنسورفلو اندیشیده شده است.

توضیحات	دستور
ایجاد تانسوری با تعداد مقادیر مشخص در بازه موردنظر	tf.linspace(start, stop, num, name=None)
ایجاد تانسوری از مقادیر با بازه مشخص و گام افزایشی معین	tf.range(start, limit=None, delta=1, dtype=None, name=’range’)

توضیحات	دستور
	tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
	tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
	tf.random_uniform(shape, minval=0, maxval=None, dtype=tf.float32, seed=None, name=None)
	tf.random_shuffle(value, seed=None, name=None)
	tf.random_crop(value, size, seed=None, name=None)
	tf.multinomial(logits, num_samples, seed=None, name=None)
	tf.random_gamma(shape, alpha, beta=None, dtype=tf.float32, seed=None, name=None)
	tf.set_random_seed(seed)