random_normal函数

最新推荐文章于 2024-06-13 09:22:16 发布

「已注销」

最新推荐文章于 2024-06-13 09:22:16 发布

阅读量2.1k

点赞数

分类专栏：深度学习

原文链接：https://blog.csdn.net/dcrmg/article/details/79028043

版权

深度学习专栏收录该内容

48 篇文章 3 订阅

订阅专栏

tf.random_normal函数用于从服从指定正态分布的数值中取出指定个数的值：

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

shape：输出张量的形状。
mean：正态分布的均值。
stddev是正态分布的标准差。
dtype：输出的类型。
seed：随机数种子，是一个整数。
name：操作的名称。

以下程序定义一个w1变量：

import tensorflow as tf

w1 = tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1))

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(w1)
    print(sess.run(w1))

执行结果：

<tf.Variable 'Variable:0' shape=(2, 3) dtype=float32_ref>
[[-0.8113182   1.4845988   0.06532937]
 [-2.4427042   0.0992484   0.5912243 ]]

变量w1声明之后并没有被赋值，需要在Session中调用run(tf.global_variables_initializer())方法初始化之后才会被具体赋值。tf中张量与常规向量不同的是，执行print(w1)输出的是w1的形状和数据类型等属性信息，获取w1的值需要调用sess.run(w1)方法。