深入浅出TensorFlow2函数——tf.random.normal

最新推荐文章于 2024-04-28 18:05:44 发布

von Neumann

最新推荐文章于 2024-04-28 18:05:44 发布

阅读量1.1w

点赞数 5

分类专栏：深入浅出TensorFlow2函数文章标签：人工智能深度学习 tensorflow random normal

本文链接：https://blog.csdn.net/hy592070616/article/details/129626508

版权

深入浅出TensorFlow2函数专栏收录该内容

25 篇文章

订阅专栏

tf.random.normal是TensorFlow2中的一个函数，用于生成符合正态分布的随机张量。该函数接受参数如形状、均值、标准差、数据类型和随机种子，返回指定形状的张量，其值填充自定义正态分布。设置种子可以确保结果的可重复性。例子展示了如何使用该函数生成不同情况的随机张量。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

分类目录：《深入浅出TensorFlow2函数》总目录

语法

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

参数

shape：输出张量的形状，为一个一维整数张量或Python数组。
mean 正态分布的平均值。类型为张量或dtype，可与stddev一起广播。
stddev：正态分布的标准偏差。类型为张量或dtype，可与mean一起广播。
dtype：输出的浮点类型：float16、bfloat16、float32、float64，默认为float32。
seed：[int] 用于为创建分布的随机种子。可参考tf.random.set_seed。
name：[可选] 操作的名称。

返回值

用随机正态分布值填充的指定形状的张量。

实例

tf.random.normal([2,2], 0, 1, tf.float32, seed=1)
<tf.Tensor: shape=(2, 2), dtype=float32, numpy=
array([[-1.3768897 , -0.01258316],
      [-0.169515   ,  1.0824056 ]], dtype=float32)>

函数实现

@tf_export("random.normal", v1=["random.normal", "random_normal"])
@dispatch.add_dispatch_support
@deprecation.deprecated_endpoints("random_normal")
def random_normal(shape,
                  mean=0.0,
                  stddev=1.0,
                  dtype=dtypes.float32,
                  seed=None,
                  name=None):
  """Outputs random values from a normal distribution.
  Example that generates a new set of random values every time:
  >>> tf.random.set_seed(5);
  >>> tf.random.normal([4], 0, 1, tf.float32)
  <tf.Tensor: shape=(4,), dtype=float32, numpy=..., dtype=float32)>
  Example that outputs a reproducible result:
  >>> tf.random.set_seed(5);
  >>> tf.random.normal([2,2], 0, 1, tf.float32, seed=1)
  <tf.Tensor: shape=(2, 2), dtype=float32, numpy=
  array([[-1.3768897 , -0.01258316],
        [-0.169515   ,  1.0824056 ]], dtype=float32)>
  In this case, we are setting both the global and operation-level seed to
  ensure this result is reproducible.  See `tf.random.set_seed` for more
  information.
  Args:
    shape: A 1-D integer Tensor or Python array. The shape of the output tensor.
    mean: A Tensor or Python value of type `dtype`, broadcastable with `stddev`.
      The mean of the normal distribution.
    stddev: A Tensor or Python value of type `dtype`, broadcastable with `mean`.
      The standard deviation of the normal distribution.
    dtype: The float type of the output: `float16`, `bfloat16`, `float32`,
      `float64`. Defaults to `float32`.
    seed: A Python integer. Used to create a random seed for the distribution.
      See
      `tf.random.set_seed`
      for behavior.
    name: A name for the operation (optional).
  Returns:
    A tensor of the specified shape filled with random normal values.
  """
  with ops.name_scope(name, "random_normal", [shape, mean, stddev]) as name:
    shape_tensor = tensor_util.shape_tensor(shape)
    mean_tensor = ops.convert_to_tensor(mean, dtype=dtype, name="mean")
    stddev_tensor = ops.convert_to_tensor(stddev, dtype=dtype, name="stddev")
    seed1, seed2 = random_seed.get_seed(seed)
    rnd = gen_random_ops.random_standard_normal(
        shape_tensor, dtype, seed=seed1, seed2=seed2)
    mul = rnd * stddev_tensor
    value = math_ops.add(mul, mean_tensor, name=name)
    tensor_util.maybe_set_static_shape(value, shape)
    return value