DL框架之Tensorflow：Tensorflow中常用函數的簡介、使用方法之詳細攻略

DL框架之Tensorflow：Tensorflow中常用函數的簡介、使用方法之詳細攻略

 

 

目錄

Tensorflow中常用函數的簡介、使用方法

1、tf.random_normal()函數

1.1、tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

1.2、tf.random_normal()函數應用

---

 

 

 

Tensorflow中常用函數的簡介、使用方法

1、tf.random_normal()函數

1.1、tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

tf.random_normal()函數：從正態分佈中生成隨機的矩陣參數，用於從“服從指定正態分佈的序列”中隨機取出指定個數的值。

• shape: 輸出張量的形狀，必選
• mean: 正態分佈的均值，默認爲0
• stddev: 正態分佈的標準差，默認爲1.0
• dtype: 輸出的類型，默認爲tf.float32
• seed: 隨機數種子，是一個整數，當設置之後，每次生成的隨機數都一樣，即保證每次運行時的參數不變，可以理解爲結果可以復現。
  (1)、有網友理解，當seed固定爲數值時，這是預設的參數。
  (2)、可以採用兩個相同或者不同的種子，但這不會造成多大差別，因爲隨機源進入了不同的進程。當然，也許有一些微小差別，這取決於不同機器的精度。
• name: 操作的名稱

def random_normal(shape, 
    mean=0.0, 
    stddev=1.0, 
    dtype=dtypes.float32, 
    seed=None, 
    name=None):
    """Outputs random values from a normal distribution.

 

 

1.2、tf.random_normal()函數應用

import tensorflow as tf
 
w1 = tf.Variable(tf.random_normal([2, 3], seed=1))
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(w1)
    print(sess.run(w1))
# tf中張量與常規向量不同的是執行"print(w1)"輸出的是w1的形狀和數據類型等屬性信息，獲取w1的值需要調用sess.run(w1)方法。



w2 = tf.Variable(tf.random_normal([2, 3], seed=2))
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(w2)
    print(sess.run(w2))
    


w3 = tf.Variable(tf.random_normal([2, 3], seed=3))
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(w3)
    print(sess.run(w3))
    

 

 

 

 

 

 

查看專欄詳情 立即解鎖全部專欄