tensorflow入门：张量（下）

tf.random.normal()

tf.random.normal()函数能创建随机数张量，其数值呈正态分布，括号内的属性为（shape, mean, stddev, dtype），shape为张量的形状，mean为平均值，stddev为标准差，dtype为数值类型。

tf.random.truncated_normal()

tf.random.truncated_normal()函数能创建截断正态分布随机数张量，用法与tf.random.normal()类似，截断标准是2倍的标准差，也就是说：当mean = 0， stddev = 1 时，tf.random.truncated_normal()函数不可能出现[ -2, 2 ]以外的点，而tf.random.normal()会

tf.random.uniform()

tf.random.uniform()可以创建一个在一定范围内的随机数，括号内属性为：（shape, minval, maxval, dtype） 其中minval为最小值，maxval为最大值（但不包括）

tf.random.shuffle()

tf.random.shuffle()可以打乱一个张量的元素顺序：

tf.range()

tf.range与numpy类似，可以创建一个序列，括号内属性为（start, limit, delta, dtype）start 为起始值，limit为终止值，delta为步长，dtype为数据类型

tf.reduce_mean() & tf.reduce_sum()

tf.reduce_mean()用来计算指定维度的平均值，tf.reduce_sum则计算总和，两函数用法相同，括号内属性为（张量名， axis）axis为操作轴，当axis为1时，横向操作，为0时，纵向操作，axis为空时计算总体值

四则运算：tf.add, tf.subtract, tf.multiply, tf.divide
平方、次方、开方：tf.square, tf.pow, tf.sqrt
矩阵相乘：tf.matmul
计算张量最大/最小值：tf.reduce_min() tf.reduce_max()