生成随机复值张量

Question

我需要生成一个随机向量如下：

Y = (np.random.randn(tf.size(signal)) + 1j * np.random.randn(tf.size(signal)))

其中变量signal 是表示神经网络输出的向量，但出现如下错误：

  File "mtrand.pyx", line 1422, in mtrand.RandomState.randn
  File "mtrand.pyx", line 1552, in mtrand.RandomState.standard_normal
  File "mtrand.pyx", line 167, in mtrand.cont0_array
TypeError: 'Tensor' object cannot be interpreted as an integer

我也试过signal.shape，但也出现了同样的错误。

Answer 1

TF1.x 和 TF2.x：在 TensorFlow 中进行操作

在使用 tensorflow 的张量时，您应该主要使用 tf API。在您的情况下，您可以简单地使用：

Y = tf.complex(tf.random.normal((tf.size(signal),)), tf.random.normal((tf.size(signal),)))

这将返回一个随机的 complex64 张量，其中实部和虚部遵循正态分布。

TF2.x：渴望执行

如果您需要直接使用 numpy，您可以使用 numpy 方法在 eager execution 中评估您的张量：

Y = (np.random.randn(tf.size(signal).numpy()) + 1j * np.random.randn(tf.size(signal).numpy()))

TF1.x：使用 tf.Session 评估您的张量

您实际上需要通过调用tf.Session.run 来评估tf.Session 中的张量以将输出作为numpy 数组：

get_size_op = tf.size(signal)

with tf.Session() as sess:
    # you might need to provide a dictionary containing 
    # the values for your placeholders (feed_dict keyword argument)
    size_signal = sess.run(get_size_op)

# size_signal is an integer you can use in the numpy function
Y = (np.random.randn(size_signal) + 1j * np.random.randn(size_signal))

注意：最好在会话中评估 signal 并使用 numpy 继续其余的计算（使用 signal.size 而不是 tf.size(signal)）

---

注意：tensor.shape 的等价物是tf.shape。我使用了tf.size，因为这是您在问题中使用的。