该系统能够将张量从numpy转换为张量，并且其内部集成了与numpy相似的一些随机函数。例如normal分布、截断正态分布、均匀分布以及shuffling功能等。值得注意的是它根据索引位置访问张量中的特定元素并且被频繁使用

coding: utf-8

@日期为：2022年3月20日 下午两点五十九分

@修改者为：那美那美的姓名

import tensorflow as tf
import numpy as np

将numpy数组转换为tensor类型

a1 = tf.tensor_from_numpy(np.ones((2, 3))) # 使用tf库中的函数生成一个全为1的二维数组
a2 = tf.ones((2, 3)) # 创建一个形状为(2,3)的全1张量
a3 = tf.cast(a2, dtype=tf.float32) # 根据现有张量创建新张量并指定数据类型
a4 = tf.fill(a3.shape, 1.0) # 在指定形状中填充给定值的新张量
a5 = tf.random.truncated_normal(a4.shape, mean=1.0, stddev=0.5) # 根据现有张量生成新张量并指定均值和标准差

随机生成满足特定统计特性的数值分布于某个范围内的均匀分布数据

a6 = tf.random.uniform([2, 3], minval=0.0, maxval=1.0) # 在指定范围内均匀分布的随机数张量
idx = tf.range(10)
a7 = tf.random.shuffle(idx) # 对序列元素进行随机排序操作
a8 = tf.gather(a7, idx) # 根据索引从原始数据中提取对应元素的新张量
print(
a1.numpy(), a2.numpy(), a3.numpy(), a4.numpy(),
a5.numpy(), a6.numpy(), a7.numpy(), a8.numpy()
)

张量实例具有形状(2,3)和数据类型float64；
另一个张量实例具有相同的形状(2,3)但数据类型为float32；
同一类型的张量实例再次出现；
另一个张量实例的形状为(2,2)，其数据类型同样为int32；
存在一个二维浮点数张量实例；
两个浮点数张量具有一样的形状(2,2)且使用相同的数据类型float32；
三个浮点数张量均采用相同的数据类型float32；
最后是一个一维整数型张量实例；
还有一个复杂的二维浮点数型张量实例；