我想制作一个可重用的随机张量x
并将相同的张量分配给变量y
。这意味着它们在 Session.run()
期间应该具有相同的值。
但事实证明并非如此。那么为什么y
不等于x
?
更新:
连续应用sess.run(x)
和sess.run(y)
多次后,确认x
每次都会改变,而 >y
保持稳定。为什么?
import tensorflow as tf
x = tf.random_normal([3], seed = 1)
y = tf.Variable(initial_value = x) # expect y get the same random tensor as x
diff = tf.subtract(x, y)
avg = tf.reduce_mean(diff)
sess = tf.InteractiveSession()
sess.run(y.initializer)
print('x0:', sess.run(x))
print('y0:', sess.run(y))
print('x1:', sess.run(x))
print('y1:', sess.run(y))
print('x2:', sess.run(x))
print('y2:', sess.run(y))
print('diff:', sess.run(diff))
print('avg:', sess.run(avg)) # expected as 0.0
sess.close()
输出:TENSOR x 每次 sess.run(x) 都会发生变化
x0: [ 0.55171245 -0.13107552 -0.04481386]
y0: [-0.8113182 1.4845988 0.06532937]
x1: [-0.67590594 0.28665832 0.3215887 ]
y1: [-0.8113182 1.4845988 0.06532937]
x2: [1.2409041 0.44875884 0.33140722]
y2: [-0.8113182 1.4845988 0.06532937]
diff: [ 1.2404865 -1.4525002 0.05412297]
avg: -0.04116
最佳答案
真正的原因是:
x = tf.random_normal(seed = initial_seed)
每次应用sess.run()
时都会演变,但会产生相同的张量系列x0-x1-x2
如果重新启动运行脚本。 Here提供一些关于随机种子的解释。
为了保证每次第一次运行后都有相同的x
,我们需要重新初始化它。不确定是否有适合我的情况的合适方法。但我们可以将 x 设置为变量并使用固定种子进行初始化。 tf.get_variable
或 tf.Variable
都可以。我找到this answer符合我的问题。
这是我的最终代码。它有效。
import tensorflow as tf
initializer = tf.random_normal_initializer(seed = 1)
x = tf.get_variable(name = 'x', shape = [3], dtype = tf.float32, initializer = initializer)
y = tf.Variable(initial_value = x)
diff = tf.subtract(x, y)
avg = tf.reduce_mean(diff)
sess = tf.InteractiveSession()
sess.run(tf.global_variables_initializer())
print('x0:', sess.run(x))
print('y0:', sess.run(y))
print('x1:', sess.run(x))
print('y1:', sess.run(y))
print('x2:', sess.run(x))
print('y2:', sess.run(y))
print('diff:', sess.run(diff))
print('avg:', sess.run(avg))
sess.close()
x0: [-0.8113182 1.4845988 0.06532937]
y0: [-0.8113182 1.4845988 0.06532937]
x1: [-0.8113182 1.4845988 0.06532937]
y1: [-0.8113182 1.4845988 0.06532937]
x2: [-0.8113182 1.4845988 0.06532937]
y2: [-0.8113182 1.4845988 0.06532937]
diff: [0. 0. 0.]
avg: 0.0
关于Tensorflow:tf.random_normal 使用相同的初始种子得到不同的结果,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53174610/