constant_op函數(shù)使用嗤堰，分為生成常量冷溃，序列以及隨機(jī)值浴骂。隨機(jī)種子在文末介紹使用方法乓土。
2.1 tf.zeros(shape, dtype=tf.float32, name=None)
功能：生成一個值全為0的tensor。默認(rèn)為float32類型。
輸入：shape：一維的int32型的列表趣苏。
例：
a=tf.zeros([2,3])
a==>[[0. 0. 0.]
[0. 0. 0.]]
2.2 tf.zeros_like(tensor, dtype=None, name=None, optimize=True)
功能：生成一個值全為0的tensor狡相，其形狀與輸入tensor相同。
輸入：dtype:未指定時返回tesnsor的類型
例：
x=tf.constant([1,2,3,4,5,6],shape=[2,3])
a=tf.zeros_like(x)
a==>[[0. 0. 0.]
[0. 0. 0.]]
2.3 tf.ones(shape, dtype=tf.float32, name=None)
功能：生成一個值全為1的tensor食磕。默認(rèn)為float32類型尽棕。
輸入：shape：一維的int32型的列表。
例：
a=tf.ones([2,3]])
a==>[[1. 1. 1.]
[1. 1. 1.]]
2.4 tf.ones_like(tensor, dtype=None, name=None, optimize=True)
功能：生成一個值全為1的tensor彬伦，其形狀與輸入tensor相同滔悉。
輸入：dtype:未指定時返回tesnsor的類型
例：
x=tf.constant([1,2,3,4,5,6],shape=[2,3])
a=tf.ones_like(x)
a==>[[1. 1. 1.]
[1. 1. 1.]]
2.5 tf.fill(dims, value, name=None)
功能：生成一個值全為value的tensor，其形狀與dims相同单绑。
輸入：dims：一維的int32型的列表回官，
例：
a=tf.fill([2,3],7)
a==>[[7. 7. 7.]
[7. 7. 7.]]
2.6 tf.constant(value, dtype=None, shape=None, name='Const', verify_shape=False)
功能：生成一個常量tensor
輸入：value：一個常量，或者一個list;
dtype：數(shù)據(jù)類型;
shape：生成形狀搂橙。
例：
a=tf.constant([1,2,3,4,5,6],shape=[2,3])
b=tf.constant(2,shape=[2,3])
a==>[[1 2 3]
[4 5 6]]
b==>[[2 2 2]
[2 2 2]]
2.7 tf.linspace(start, stop, num, name=None)
功能：生成在區(qū)間[start,stop]中定長間隔的值歉提。序列值的間隔大小為‘(stop-start)/(num-1)’
輸入：start：區(qū)間起始值，類型為float32或float64;
stop：區(qū)間中止值区转，類型為float32或float64;
num：生成數(shù)據(jù)數(shù)量苔巨。
例：
a=tf.linspace(1.,7.,4)
a==>[1. 3. 5. 7.]
2.8 tf.range(start, limit=None, delta=1, dtype=None, name='range')
功能：生成一個序列值，從start開始蜗帜，每次遞增delta恋拷，直到不超過limit的值結(jié)束。
輸入：start：起始值;
limit：限制值厅缺，不能超過;
delta：步長蔬顾。
例：
a=tf.range(1,10,3)
a==>[1 4 7]
2.9 tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
功能：從正太分布中隨機(jī)輸出。
輸入：shape：一維整型tensor湘捎，指定tensor的形狀;
mean：正太分布的平均值诀豁，默認(rèn)為0;
stddev：正太分布的標(biāo)準(zhǔn)差，默認(rèn)為1;
seed：隨機(jī)種子窥妇。
例：
a=tf.random_normal([2,2],seed=112)
a==>[[-0.72891599 -1.35909426]
[ 0.06045228 1.12680387]]
2.10 tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
功能：從截斷正太分布中隨機(jī)輸出舷胜。
輸入：shape：一維整型tensor，指定tensor的形狀;
mean：正太分布的平均值活翩，默認(rèn)為0;
stddev：正太分布的標(biāo)準(zhǔn)差烹骨，默認(rèn)為1;
seed：隨機(jī)種子。
例：
a=tf.truncated_normal([2,2],seed=112)
a==>[[-0.72891599 -1.35909426]
[ 0.06045228 1.12680387]]
2.11 tf.random_uniform(shape, minval=0, maxval=None, dtype=tf.float32, seed=None, name=None)
功能：從均勻分布中隨機(jī)輸出材泄，默認(rèn)區(qū)域為‘[0,1)’沮焕。
輸入：shape：一維整型tensor，指定tensor的形狀;
minval：均勻分布的最小值拉宗，默認(rèn)為0;
maxval：均勻分布的最大值峦树，如果類型為float32則默認(rèn)為1;
seed：隨機(jī)種子辣辫。
例：
a=tf.random_uniform([2,2],seed=112)
a==>[[0.30445623 0.57834935]
[0.52905083 0.00853038]]
2.12 tf.random_shuffle(value, seed=None, name=None)
功能：將tensor第一個維度的數(shù)據(jù)重新隨機(jī)排列。
輸入：value：tensor魁巩。
seed：隨機(jī)種子急灭。
例：
x=tf.constant([1,2,3,4,5,6],shape=[3,2])
a=tf.random_shuffle(x,seed=11)
a==>[[5 6]
[3 4]
[1 2]]
2.13 tf.random_crop(value, size, seed=None, name=None)
功能：將tensor按照指定大小進(jìn)行隨機(jī)裁剪。
輸入：value：tensor;
size：裁剪后的大小谷遂，size<=value.shape葬馋，如果不想改變大小，應(yīng)配置為value的shape埋凯。
例：
x=tf.constant([1,2,3,4,5,6,7,8,9],shape=[3,3])
a=tf.random_crop(x,size=[2,2],seed=11)
a==>[[2 3]
[5 6]]
2.14 tf.multinomial(logits, num_samples, seed=None, name=None)
功能：繪制多項式分布点楼。
輸入：logits：shape為[batch_size,num_classes]的2維tensor，每行[i白对，：]代表每類出現(xiàn)的概率。
num_samples：獨立采樣數(shù)目换怖。
例：
x=tf.constant([[1,1,1]],dtype=tf.float32)#表示有3類甩恼，出現(xiàn)概率相等。
a = tf.multinomial(x, 10)
a==>[[0 0 2 1 2 1 2 0 0 1]]
2.15 tf.random_gamma(shape, alpha, beta=None, dtype=tf.float32, seed=None, name=None)
功能：對每一個給定的gamma分布進(jìn)行shape尺度的采樣沉颂。
例如samples = tf.random_gamma([30], [[1.],[3.],[5.]], beta=[[3., 4.]])
即給定了6個gamma分布条摸，每個分布輸出30個數(shù)據(jù)，輸出tensor形狀為[30,3,2]铸屉。
輸入：shape：每一個gamma分布進(jìn)行采樣的尺度;
alpha： gamma分布的alpha變量钉蒲，可以為任意尺度，但需和beta對應(yīng);
beta：gamma分布的beta變量彻坛。
例：
a = tf.random_gamma([2], [0.5, 1.5])#每一片應(yīng)為[:,0],[:,1]
a==>[[3.03589034e+00 2.56953764e+00]
[2.959940042e-03 3.52107930e+00]]
2.16 tf.set_random_seed(seed)
功能：設(shè)置隨機(jī)數(shù)種子顷啼。
為確保每次隨機(jī)數(shù)生成數(shù)據(jù)一致，可以設(shè)置隨機(jī)數(shù)種子昌屉。隨機(jī)種子有兩種設(shè)置方法：
1钙蒙、op級別的設(shè)置，如前文提高的隨機(jī)輸入tf.random_shuffle(value, seed=None, name=None)中间驮，
函數(shù)變量seed即設(shè)置種子值躬厌。
2、graph級別竞帽，即tf.set_random_seed(seed)函數(shù)扛施，可使整個graph的隨機(jī)數(shù)產(chǎn)生從設(shè)置種子中獲取。
例：
1屹篓、未設(shè)置種子
a=tf.random_uniform([1])
b=tf.random_normal([1])
print("Session 1")
with tf.Session() as sess1:
tf.global_variables_initializer().run()
print sess1.run(a)
print sess1.run(a)
print sess1.run(b)
print sess1.run(b)
print("Session 2")
with tf.Session() as sess2:
tf.global_variables_initializer().run()
print sess2.run(a)
print sess2.run(a)
print sess2.run(b)
print sess2.run(b)
運(yùn)行結(jié)果為：
Session 1
[ 0.71059418]
[ 0.71678996]
[ 0.27808592]
[ 0.77504641]
Session 2
[ 0.45193291]
[ 0.74479854]
[-0.01035937]
[ 0.54787332]
因沒有設(shè)置隨機(jī)種子疙渣，每次運(yùn)行結(jié)果都不一樣
2、設(shè)置op級別種子
a=tf.random_uniform([1],seed=1)
b=tf.random_normal([1])
print("Session 1")
with tf.Session() as sess1:
tf.global_variables_initializer().run()
print sess1.run(a)
print sess1.run(a)
print sess1.run(b)
print sess1.run(b)
print("Session 2")
with tf.Session() as sess2:
tf.global_variables_initializer().run()
print sess2.run(a)
print sess2.run(a)
print sess2.run(b)
print sess2.run(b)
運(yùn)行結(jié)果為：
Session 1
[ 0.23903739]
[ 0.22267115]
[-0.48983803]
[-0.13116723]
Session 2
[ 0.23903739]
[ 0.22267115]
[-1.77008951]
[-0.18568291]
變量a設(shè)置為種子1抱虐，每次運(yùn)行按照種子進(jìn)行取數(shù)昌阿，每個Session都從種子的第一個數(shù)開始取值。
3、設(shè)置graph級別種子
tf.set_random_seed(1)
a=tf.random_uniform([1])
b=tf.random_normal([1])
print("Session 1")
with tf.Session() as sess1:
tf.global_variables_initializer().run()
print sess1.run(a)
print sess1.run(a)
print sess1.run(b)
print sess1.run(b)
print("Session 2")
with tf.Session() as sess2:
tf.global_variables_initializer().run()
print sess2.run(a)
print sess2.run(a)
print sess2.run(b)
print sess2.run(b)
運(yùn)行結(jié)果為：
Session 1
[ 0.77878559]
[ 0.0978868]
[-0.4487586]
[-0.82540691]
Session 2
[ 0.77878559]
[ 0.0978868]
[-0.4487586]
[-0.82540691]
設(shè)置graph級種子后懦冰，兩次運(yùn)行結(jié)果完全一致灶轰。
