[TOC]
# 1. tf.constant
常见的有tf.int，tf.float，tf.bool， tf.string等，我们可以使用:
```
tf.constant([True, False])
```
来创建张量。具体语法格式：
```
tf.constant(张量内容，dtype=数据类型（可选）)
```
注意到：这里所说的张量其实也就是经常见到的一维数组，二维矩阵等等。比如上面的案例中使用了一维的数组，且数据类型为Boolean。
# 2. tf.convert_to_tensor
可以将一个numpy数据类型的张量转换为Tensor类型的数据。即：
```
tf.convert_to_tensor(数据名， dtype=数据类型（可选）)
```
比如：
```
a = np.array([[1, 2], [2, 3]])
b = tf.convert_to_tensor(a, dtype=tf.int64)
```
# 3. 创建全0、全1或者某个指定值的张量
创建全0或者全1的张量，分别对应：
```
tf.zeros(维度)
tf.ones(维度)
```
要创建填充指定值的张量，可以使用：
```
tf.fill(维度, 指定值)
```
# 4. 使用标准正太分布随机生成张量
比如可以使用正太分布来进行生成对应维度的随机数，默认均值为0，标准差为1：
```
tf.random.normal(维度, mean=均值, stddev=标准差)
```
# 5. 使用截断式正太分布随机生成张量
可以生成更加集中的数据：
```
tf.random.truncated_normal(维度, mean=均值, stddev=标准差)
```
这个分布的随机取值在(u-2theta, u+2theta)之间。
标准差为所有样本到均值的距离的平方和的均值，然后再开根号。
# 6. 使用均匀分布随机生成张量
使用：
```
tf.random.uniform(维度, minval=最小值, maxval=最大值)
```
来生成服从均匀分布的随机张量。这个区间为前闭后开。
