TensorFlow：生成随机常数

Question

在 ipython 中，我导入了 tensorflow as tf 和 numpy as np 并创建了一个 TensorFlow InteractiveSession。 当我使用 numpy 输入运行或初始化一些正态分布时，一切运行正常：

some_test = tf.constant(np.random.normal(loc=0.0, scale=1.0, size=(2, 2)))
session.run(some_test)

返回：

array([[-0.04152317,  0.19786302],
       [-0.68232622, -0.23439092]])

正如预期的那样。

...但是当我使用 Tensorflow 正态分布函数时：

some_test = tf.constant(tf.random_normal([2, 2], mean=0.0, stddev=1.0, dtype=tf.float32))
session.run(some_test)

...它会引发类型错误：

(...)
TypeError: List of Tensors when single Tensor expected

我在这里缺少什么？

输出：

sess.run(tf.random_normal([2, 2], mean=0.0, stddev=1.0, dtype=tf.float32))

单独返回与 np.random.normal 生成的完全相同的内容 -> 形状为 (2, 2) 的矩阵，其值取自正态分布。

Answer 1

tf.constant() 操作接受一个 numpy 数组（或可以隐式转换为 numpy 数组的东西），并返回一个值与该数组相同的 tf.Tensor。它确实不接受 tf.Tensor 作为其参数。

另一方面，tf.random_normal() 操作返回一个tf.Tensor，其值是在每次运行时根据给定分布随机生成的。由于它返回一个tf.Tensor，它不能用作tf.constant() 的参数。这解释了TypeError（这与tf.InteractiveSession 的使用无关，因为它在您构建图形时发生）。

我假设您希望您的图表包含一个张量，该张量 (i) 在首次使用时随机生成，并且 (ii) 此后保持不变。有两种方法可以做到这一点：

1. 使用 NumPy 生成随机值并将其放入 tf.constant()，就像您在问题中所做的那样：

   some_test = tf.constant(
       np.random.normal(loc=0.0, scale=1.0, size=(2, 2)).astype(np.float32))
   

2. （可能更快，因为它可以使用 GPU 生成随机数）使用 TensorFlow 生成随机值并将其放入 tf.Variable：

   some_test = tf.Variable(
       tf.random_normal([2, 2], mean=0.0, stddev=1.0, dtype=tf.float32)
   sess.run(some_test.initializer)  # Must run this before using `some_test`