DL框架之Tensorflow：Tensorflow中常用函数的简介、使用方法之详细攻略

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

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)

1.2、tf.random_normal()函数应用

---

扫描二维码关注公众号，回复： 9651553 查看本文章

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))