tensorflow中常用的矩阵生成与变换函数如下：

1. 矩阵生成

tf.ones | tf.zeros

用法：tf.ones(shape,type=tf.float32,name=None) 

　　　tf.zeros(shape,type=tf.int32,name=None) 

说明：生成全0/全1矩阵

tf.ones_like | tf.zeros_like:

用法：tf.ones_like(tensor,dype=None,name=None) 
　　　tf.zeros_like(tensor,dype=None,name=None) 

说明：生成与给定的tensor类型大小一致的tensor，其所有元素为1或0

tf.fill

用法：tf.fill(shape,value,name=None) 

说明：创建一个形状大小为shape的tensor，初始值为value

tf.constant

用法：tf.constant(value,dtype=None,shape=None,name=’Const’) 
说明：创建一个常量tensor，按照给出value来赋值，可以用shape来指定其形状。value可以是一个数，也可以是一个list。 
如果是一个数，那么这个常量中所有值的按该数来赋值。 
如果是list,那么len(value)一定要小于等于shape展开后的长度。赋值时，先将value中的值逐个存入。不够的部分，则全部存入value的最后一个值。

tf.random_normal | tf.truncated_normal | tf.random_uniform

用法：tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None) 
　　　tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None) 
　　　tf.random_uniform(shape,minval=0,maxval=None,dtype=tf.float32,seed=None,name=None) 
说明：这几个都是用于生成随机数tensor的。尺寸是shape 
random_normal: 正太分布随机数，均值mean,标准差stddev 
truncated_normal:截断正态分布随机数，均值mean,标准差stddev,不过只保留[mean-2*stddev,mean+2*stddev]范围内的随机数 
random_uniform:均匀分布随机数，范围为[minval,maxval]

2. 矩阵变换

tf.shape

用法：tf.shape(Tensor) 
说明：返回张量的形状。但是注意，tf.shape函数本身也是返回一个张量。而在tf中，张量是需要用sess.run(Tensor)来得到具体的值的

tf.expand_dims

用法：tf.expand_dims(Tensor, dim) 
说明：为张量+1维。

tf.sparse_to_dense

def sparse_to_dense(sparse_indices, output_shape, sparse_values, default_value=0, validate_indices=True, name=None):

说明：稀疏矩阵转密集矩阵 

sparse_indices: 元素的坐标[[0,0],[1,2]] 表示(0,0)，和(1,2)处有值 
output_shape: 得到的密集矩阵的shape 
sparse_values: sparse_indices坐标表示的点的值，可以是0D或者1D张量。若0D，则所有稀疏值都一样。若是1D，则len(sparse_values)应该等于len(sparse_indices) 
default_values: 缺省点的默认值

tf.random_shuffle

tf.random_shuffle(value,seed=None,name=None) 
沿着value的第一维进行随机重新排列

tf.equal

tf.equal(x, y, name=None): 
判断两个tensor是否每个元素都相等。返回一个格式为bool的tensor

tf.cast

cast(x, dtype, name=None) 
将x的数据格式转化成dtype.例如，原来x的数据格式是bool，那么将其转化成float以后，就能够将其转化成0和1的序列。反之也可以

tf.matmul

用来做矩阵乘法。若a为l*m的矩阵，b为m*n的矩阵，那么通过tf.matmul(a,b) 结果就会得到一个l*n的矩阵 
不过这个函数还提供了很多额外的功能。

tf.reshape

reshape(tensor, shape, name=None) 
顾名思义，就是将tensor按照新的shape重新排列。一般来说，shape有三种用法： 
如果 shape=[-1], 表示要将tensor展开成一个list 
如果 shape=[a,b,c,…] 其中每个a,b,c,..均>0，那么就是常规用法 
如果 shape=[a,-1,c,…] 此时b=-1，a,c,..依然>0。这表示tf会根据tensor的原尺寸，自动计算b的值。