Tensorflow 中的 tensor 及 shape

要使用 TensorFlow 创建指定形状的张量，可以使用 `tf.zeros`、`tf.ones`、`tf.fill` 或者直接使用 Python 的列表或 NumPy 数组来创建。 以下是几种常见的创建张量的方法示例： 1. 使用 `tf.zeros` 创建全零张量： ```python import tensorflow as tf shape = (2, 3) # 指定形状为 (2, 3) zeros_tensor = tf.zeros(shape) print(zeros_tensor) ``` 输出结果： ``` <tf.Tensor: shape=(2, 3), dtype=float32, numpy= array([[0., 0., 0.], [0., 0., 0.]], dtype=float32)> ``` 2. 使用 `tf.ones` 创建全一张量： ```python import tensorflow as tf shape = (2, 3) # 指定形状为 (2, 3) ones_tensor = tf.ones(shape) print(ones_tensor) ``` 输出结果： ``` <tf.Tensor: shape=(2, 3), dtype=float32, numpy= array([[1., 1., 1.], [1., 1., 1.]], dtype=float32)> ``` 3. 使用 `tf.fill` 创建指定值的张量： ```python import tensorflow as tf shape = (2, 3) # 指定形状为 (2, 3) value = 5 # 指定值为 5 filled_tensor = tf.fill(shape, value) print(filled_tensor) ``` 输出结果： ``` <tf.Tensor: shape=(2, 3), dtype=int32, numpy= array([[5, 5, 5], [5, 5, 5]], dtype=int32)> ``` 4. 使用 Python 列表或 NumPy 数组创建张量： ```python import tensorflow as tf import numpy as np list_data = [[1, 2, 3], [4, 5, 6]] # 使用 Python 列表 numpy_data = np.array([[1, 2, 3], [4, 5, 6]]) # 使用 NumPy 数组 list_tensor = tf.convert_to_tensor(list_data) numpy_tensor = tf.convert_to_tensor(numpy_data) print(list_tensor) print(numpy_tensor) ``` 输出结果： ``` <tf.Tensor: shape=(2, 3), dtype=int32, numpy= array([[1, 2, 3], [4, 5, 6]], dtype=int32)> <tf.Tensor: shape=(2, 3), dtype=int64, numpy= array([[1, 2, 3], [4, 5, 6]])> ``` 希望这些示例能帮助你创建指定形状的张量。如果你有任何进一步的问题，请随时提问！