tf.ones([2, 3], int32) ==> [[1, 1, 1], [1, 1, 1]]

 

     tf.zeros([2, 3], int32) ==> [[0, 0, 0], [0, 0, 0]]

3、tf.ones_like(tensor,dype=None,name=None)

   
 新建一个与给定的tensor类型大小一致的tensor，其所有元素为1。

   
 #
'tensor' is [[1, 2, 3], [4, 5, 6]] 

   
 tf.ones_like(tensor) ==> [[1,

1,

1],
[1,

1,

1]]

 

 

5、tf.fill(dim,value,name=None)

   
 创建一个形状大小为dim的tensor，其初始值为value

     # Output
tensor has shape [2, 3]. 

     fill([2,
3], 9) ==> [[9, 9, 9] 

     
     
     
     
     
   [9, 9, 9]]

 

6、tf.constant(value,dtype=None,shape=None,name='Const')

   
 创建一个常量tensor，先给出value，可以设定其shape

   
 #
Constant 1-D Tensor populated with value list. 

     tensor =
tf.constant([1,

2,

3,

4,

5,

6,

7])
=> [1

2
3
4
5
6
7]

    # Constant 2-D tensor
populated with scalar value -1. 

     tensor =
tf.constant(-1.0,
shape=[2,

3])
=> [[-1.

-1.

-1.]
[-1.

-1.

-1.]

 

7、tf.linspace(start,stop,num,name=None)

   
 返回一个tensor，该tensor中的数值在start到stop区间之间取等差数列（包含start和stop），如果num>1则差值为(stop-start)/(num-1)，以保证最后一个元素的值为stop。

   
 其中，start和stop必须为tf.float32或tf.float64。num的类型为int。

   
 tf.linspace(10.0,
12.0, 3, name="linspace") => [ 10.0 11.0 12.0]

 

8、tf.range(start,limit=None,delta=1,name='range')

   
 返回一个tensor等差数列，该tensor中的数值在start到limit之间，不包括limit，delta是等差数列的差值。

   
 start，limit和delta都是int32类型。

     # 'start'
is 3 

     # 'limit'
is 18 

     # 'delta'
is 3

   
 tf.range(start, limit, delta) ==> [3, 6, 9,
12, 15] 

     # 'limit'
is 5 start is 0

   
 tf.range(start, limit) ==> [0, 1, 2, 3,
4]

 

9、tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None)

   
 返回一个tensor其中的元素的值服从正态分布。

   
 seed:
A Python integer. Used to create a random seed for the
distribution.See set_random_seed for
behavior。

 

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

 
  返回一个tensor其中的元素服从截断正态分布（？概念不懂，留疑）

 

11、tf.random_uniform(shape,minval=0,maxval=None,dtype=tf.float32,seed=None,name=None)

 
 
返回一个形状为shape的tensor，其中的元素服从minval和maxval之间的均匀分布。

 

12、tf.random_shuffle(value,seed=None,name=None)

 
     
对value（是一个tensor）的第一维进行随机化。

 
   
 [[1,2],
     
   
 [[2,3],

   
    [2,3],  
  ==>
 [1,2],

   
    [3,4]]  
     
   
[3,4]] 

 

13、tf.set_random_seed(seed)

   
   
设置产生随机数的种子。