一、數據創建

1.tf.constant()

創建自定義類型，自定義形狀的數據，但不能創建類似于下面In [59]這樣的，無法解釋的數據。

2.tf.convert_to_tensor()

可以把numpy以及List類型的數據直接轉換為tensor

3.tf.zeros()

和常用的方式一樣，傳入包含中括號的shape即可。

tf.zeros_like和pytorch功能一樣，傳入有某個shape的數據，會生成和那個shape一樣的zeros數據。tf.ones, tf.ones_like和你想的一樣。

4.tf.fill()

生成指定形狀的，所有內容都一樣的數據，前面shape，后面參數是填充的內容。

二、數據隨機初始化

①tf.random.normal()

正態分布，傳入形狀，可指定均值方差。

②tf.random.truncated_normal()

裁剪過后的數據，裁去了前后分布太少的數據，只從中間數據多的地方取數據，同樣可以指定均值方差。

③tf.random.uniform()

均勻分布初始化，形狀，最小值，最大值

④tf.random.shuffle()

隨機打散，可以打散一個索引順序，通過tf.gather去對應，這樣可以實現兩個同樣行數的數據，進行索引一一對應的隨機打散。

以上就是TensorFlow人工智能學習創建數據實現示例詳解的詳細內容，更多關于TensorFlow人工智能的資料請關注服務器之家其它相關文章！

原文鏈接：https://blog.csdn.net/Swayzzu/article/details/121210817