DL框架之Tensorflow:Tensorflow中常用函数的简介、使用方法之详细攻略
目录
1.1、tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
Tensorflow中常用函数的简介、使用方法
1、tf.random_normal()函数
1.1、tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
tf.random_normal()函数:从正态分布中生成随机的矩阵参数,用于从“服从指定正态分布的序列”中随机取出指定个数的值。
- 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,即保证每次运行时的参数不变,可以理解为结果可以复现。
注意:有网友理解,当seed固定为数值时,这是预设的参数。 - name: 操作的名称
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()函数应用
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。
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))