在 TensorFlow 中平铺随机张量而不丢失随机性答案

【问题标题】：Tile Random Tensor Without Loosing Randomness in TensorFlow在 TensorFlow 中平铺随机张量而不丢失随机性
【发布时间】：2017-02-26 23:48:31
【问题描述】：

在下面的示例中，我有一个随机行张量 r（为了示例，它是一个简单的 tf.random_normal，但在我的实际代码中是一个复杂的图形，它的形状我无法改变）。

似乎在 TensorFlow 中 tf.tile 操作仅在计算 r 的值之后运行，实际上平铺张量 t 的所有行都是相同的。有没有办法在不丢失每个图块的随机性的情况下平铺张量？

import tensorflow as tf

r = tf.random_normal(shape=[1, 2])

t = tf.tile(r, tf.pack([3, 1]), name=None)

session = tf.Session()

print(session.run(t))

session.close()

结果（所有行相同）：

[[ 0.29335016  0.11843499]
 [ 0.29335016  0.11843499]
 [ 0.29335016  0.11843499]]

期望的结果（所有行单独计算）：

[[ 0.29335016  0.11843499]
 [ 0.46995060  0.58384848]
 [ 0.73958005  0.95689274]]

【问题讨论】：

标签： python random tensorflow

【解决方案1】：

因为tf.tile 复制了第一个参数，所以所有行都相同。在您的情况下，名为 r 的节点输出一个随机张量。这个张量被馈送到tf.tile，它将它复制（即复制值）三次。

如果您不想这样，您可以直接将指定的形状传递给tf.random_normal() 以生成完全随机且符合您的形状要求的张量。

【讨论】：

嗯，我不确定我是否理解。我不想洗牌。我只有一个随机行张量，我想将它堆叠在一个矩阵中，但是一旦我这样做，所有行都是相同的。理想情况下，每一行都应该单独计算并且是“随机的”。有什么操作可以代替 tf.tile 来实现吗？
在更好地理解您的查询后修改了我的答案。
感谢您修改答案。正如我所说，虽然 tf.random_normal 只是一个例子。使用具有固定形状的随机张量是否仍然可以实现相同的效果？
如果你有一个形状固定的随机张量，并且你希望它随机平铺，你必须遵循我之前的方法，即在它上面应用tf.random_shuffle。如果您希望行是随机的，那么您必须在此之前对其进行转置。
tf.random_shuffle 只是打乱我的张量计算的值，它不会使用我的随机张量生成新值......所以平铺张量的每一行中的所有值都是相同的，但是洗牌，对吗？如果是这样，这仍然不是我需要的。