tf.random_normal()函数

@

				版权声明：本文为博主原创文章，转载请注明出处。					https://blog.csdn.net/dcrmg/article/details/79028043				</div>
							<link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-f57960eb32.css">
							            <link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-f57960eb32.css">
					<div class="htmledit_views" id="content_views">

tf.random_normal()函数用于从服从指定正太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，必选
•     mean: 正态分布的均值，默认为0
•     stddev: 正态分布的标准差，默认为1.0
•     dtype: 输出的类型，默认为tf.float32
•     seed: 随机数种子，是一个整数，当设置之后，每次生成的随机数都一样
•     name: 操作的名称

以下程序定义一个w1变量：

 
 

   
   

    
    

   
   
   
   

    
    

     
     # -*- coding: utf-8 -*-)
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     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())
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     # sess.run(tf.initialize_all_variables())  #比较旧一点的初始化变量方法
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     print w1
    
    
   
   

   
   

    
    

   
   
   
   

    
    
    
     
     print sess.run(w1)
    
    
   
   
 
 

输出：

 
 

   
   

    
    

   
   
   
   

    
    

     
     <tf.Variable 
     
     'Variable:0' shape=(
     
     2, 
     
     3) dtype=float32_ref>
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     [[
     
     -0.81131822  
     
     1.48459876  
     
     0.06532937]
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
      [
     
     -2.4427042   
     
     0.0992484   
     
     0.59122431]]
    
    
   
   
 
 

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。