张量生成
博主微信公众号（左）、Python+智能大数据+AI学习交流群（右）：欢迎关注和加群，大家一起学习交流，共同进步！
Tensorflow 用 张量(Tensor) 这种数据结构来表示所有的数据。我们可以把 张量(Tensor) 想象成一个 n 维的数组或列表。一个 张量(Tensor)有一个静态类型和动态类型的维数。张量可以在图中的节点之间流通。
1、张量(Tensor)：多维数组(列表)。阶：张量的维数(dim)。
张量可以表示 0 阶到 n 阶数组（列表）。
2、阶
在 Tesorflow 系统中，张量的维数来被描述为阶。但是张量的阶和矩阵的阶并不是同一个概念。张量的阶（有时是关于如顺序或度数或者是 n 维）是张量维数的一个数量描述。比如，下面的张量（使用 Python 中 list 定义的）就是 2 阶。
我们可以认为一个二阶张量就是我们平常所说的矩阵，一阶张量可以认为是一个向量。对于一个二阶张量我们可以使用语句t[i, j] 来访问其中的任何元素。而对于三阶张量我们可以用t[i, j, k] 来访问其中的任何元素。
3、形状
Tensorflow 文档中使用了三种记号来描述张量的维度：阶、形状、维数。下标展示了他们之间的关系：
形状可以通过 Python 中的整数列表或元组（int list 或 tuple）来表示，也或者用 tf.shape 属性来表示。
4、数据类型
（1）有符号整型、
（2）无符号整型
（3）浮点型
（4）字符串型
（5）布尔型
（6）复数型
5、如何创建一个 Tensor
（1）创建一个张量
tf.constant(张量内容, dtype=数据类型(可选))
示例：
创建一个一阶张量，里面有两个元素 1 5，指定数据类型是 64 位整型，赋值给 a。打印出 a，打印出 a 的数据类型，打印出 a 的形状。
运行结果：
直接打印 a 会输出张量的所有信息，包括：
a、张量的内容[1 5]、
b、张量的形状shape=(2,)。张量的形状看 shape 的逗号隔开了几个数字，逗号隔开了几个数字，这个张量就是几维的。这个例子中，shape 括号中用逗号隔开了一个数字，说明是一维张量。这个数字是 2，说明这个张量里有 2 个元素，也就是这里的数值 1 和 数值 5。
c、张量的数据类型dtype=int64
（2）将 numpy 的数据类型转换为 Tensor 数据类型
tf.convert_to_tensor(数据名, dtype=数据类型(可选))
运行结果：
（3）创建全为 0 的张量
tf.zeros(维度)
示例：
tf.zeros([2, 3]) 创建了一个二维张量，第一个维度有两个元素，第二个维度有三个元素，元素的内容全是 0。
运行结果：
（4）创建全为 1 的张量
tf.ones(维度)
示例：
tf.ones(4) 创建了一个一维张量，里面有 4 个元素，内容全是 1。
运行结果：
（5）创建全为指定值的张量
tf.fill(维度, 指定值)
示例：
tf.fill([2, 2], 9) 创建了一个两行两列的二维张量，第一个维度有两个元素，第二个维度有两个元素，内容都是 9。
运行结果：
（6）维度：
a、一维：直接写个数。
如果是一维的，括号里直接写数字。比如 tf.ones(4) 这里写 4 表示只有一个维度，这个维度里有 4 个元素。
b、二维：用 [行, 列]
如果是二维的，方括号里写 几行，几列。比如 tf.zeros([2, 3]) 里的 2 行 3 列。
c、多维：用 [n, m, j, k, ...]
如果是多维的，方括号里写每个维度的元素个数，中间用逗号隔开。
（7）生成正态分布的随机数，默认均值为 0，标准差为 1
tf.random.normal(维度, mean=均值, stddev=标准差)
示例：
tf.random.normal 生成两行两列的张量，里面的元素符合以 0.5 为均值，1 为标准差的分布。
运行结果：
（8）生成截断式正态分布的随机数
tf.random.truncated_normal(维度, mean=均值, stddev=标准差)
在 tf.random.truncated_normal 中，如果随机生成数据的取值在 () 之外则重新进行生成，保证了生成值在均值附近。
：均值，
：标准差
标准差计算公式：
示例：
tf.random.truncated_normal 生成两行两列的张量，里面的元素符合以 0.5 为均值，1 为标准差的随机数。而且这些元素都在两倍标准差之内，数据更向均值 0.5 集中。
运行结果：
（9）生成均匀分布随机数 [minval, maxval)
tf.random.uniform(维度, minval=最小值, maxval=最大值)
注意： [minval, maxval) 是左闭右开区间。
示例：
生成两行两列的张量，其中的每个元素都符合在 0 和 1 之间的平均分布。
运行结果：
