Tensorflow深度学习之二十九：tf.ones_like()和tf.zeros_like()

最新推荐文章于 2022-10-14 09:21:39 发布

原创最新推荐文章于 2022-10-14 09:21:39 发布 · 3.3w 阅读

33 ·

CC 4.0 BY-SA版权

文章标签：

#TensorFlow #tf.ones_like #tf.zeros_like

深度学习同时被 2 个专栏收录

65 篇文章

订阅专栏

Tensorflow

55 篇文章

订阅专栏

本文详细介绍了TensorFlow中tf.ones_like和tf.zeros_like函数的使用方法，包括函数的功能、参数信息及代码示例。这两个函数分别用于创建所有元素均为1或0的张量，与给定张量具有相同的形状和数据类型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、简介
Creates a tensor with all elements set to 1.

Given a single tensor (tensor), this operation returns a tensor of the same type and shape as tensor with all elements set to 1. Optionally, you can specify a new type (dtype) for the returned tensor.

For example:

tensor = tf.constant([[1, 2, 3], [4, 5, 6]])
tf.ones_like(tensor)  # [[1, 1, 1], [1, 1, 1]]

翻译：
创建一个tensor，左右的元素都设置为1。
给定一个tensor（tensor 参数），该操作返回一个具有和给定tensor相同形状（shape）和相同数据类型（dtype），但是所有的元素都被设置为1的tensor。也可以为返回的tensor指定一个新的数据类型。

以上是tf.ones_like()函数的介绍，类似地也可以得到tf.zeros_like()函数的信息，只不过填充的数据是0，而不是1，这里就不做过多的叙述。

二、参数信息
tf.ones_like()和tf.zeros_like()的参数信息相同。如下：

参数
`tensor`	A `Tensor`	一个tensor数据，也可以是一个numpy数组，该参数指定了返回tensor的shape和dtype。
`dtype`	A type for the returned `Tensor`. Must be `float32`, `float64`, `int8`, `uint8`, `int16`, `uint16`, `int32`, `int64`, `complex64`, `complex128` or `bool`.	一个可选参数，表明返回tensor的数据类型，必须为以下的几种之一：`float32`, `float64`, `int8`, `uint8`, `int16`, `uint16`, `int32`, `int64`, `complex64`, `complex128` or `bool`
`name`	A name for the operation (optional)	一个可选参数，表明返回的tensor的名称。
`optimize`	if true, attempt to statically determine the shape of ‘tensor’ and encode it as a constant.	若果该参数设置为True，尝试去静态地决定`tensor` 的形状（shape）并将其编码为一个常量。默认为True。

三、代码

import tensorflow as tf
import numpy as np

# 生成一个tensor，内部数据随机产生
a = tf.convert_to_tensor(np.random.random([2, 4, 5]), dtype=tf.float32)

# ones_like
b = tf.ones_like(a, dtype=tf.float32, name='ones_like')

# zeros_like
c = tf.zeros_like(a, dtype=tf.float32, name='zeros_like')

print(b)

print(c)

with tf.Session() as sess:
    b_, c_ = sess.run([b, c])
    print("b's shape: ", b_.shape)
    print("c's shape: ", c_.shape)
    print(b_)
    print(c_)

运行结果：

Tensor("ones_like:0", shape=(2, 4, 5), dtype=float32)
Tensor("zeros_like:0", shape=(2, 4, 5), dtype=float32)
b's shape:  (2, 4, 5)
c's shape:  (2, 4, 5)
[[[1. 1. 1. 1. 1.]
  [1. 1. 1. 1. 1.]
  [1. 1. 1. 1. 1.]
  [1. 1. 1. 1. 1.]]

 [[1. 1. 1. 1. 1.]
  [1. 1. 1. 1. 1.]
  [1. 1. 1. 1. 1.]
  [1. 1. 1. 1. 1.]]]
[[[0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]]

 [[0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]]]