TensorFlow常见变量初始化

本文详细介绍了使用TensorFlow进行张量初始化的方法,包括创建全零、全一、正态分布和截断正态分布的张量,以及如何从均匀分布中生成随机值,适合初学者快速上手。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

(1)X = tf.zeros(shape = [3,2], dtype=tf.float32,  name=None)
         #初始化值为全0 (上述语句得到X为):
                  [ [0. 0.]
                    [0. 0.]
                    [0. 0.] ]

(2)Y = tf.ones(shape = [2,3], dtype=tf.int32,  name=None)
          #初始化值为全1 (上述语句得到Y为):
                 [ [1 1 1]
                   [1 1 1] ]

 (3)Z = tf.random_normal( shape=[2,3], mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
     #用于从服从指定正态分布的数值中,取出指定个数的值

  •     shape: 输出张量的形状
  •     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
import tensorflow as tf
 
Z = tf.Variable(tf.random_normal([3,2], stddev=1.0, seed=None,dtype=tf.float32))
init=tf.global_variables_initializer()
    
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(w1))

 

(4)X = tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

       #从截断的正态分布中输出随机值。生成的值服从具有指定平均值和标准偏差的正态分布,如果生成的值大于平均值2个标准           偏差的值则丢弃重新选择。

import tensorflow as tf
 
X = tf.Variable(tf.truncated_normal([3,2], stddev=1.0, seed=None,dtype=tf.float32,mean=0))
init=tf.global_variables_initializer()
    
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(X))

   输出:

[[ 0.05568237  1.9690834 ]
 [-1.1363918  -1.9200847 ]
 [-1.0301907   0.9599708 ]]

(5)tf.random_uniform(shape, minval=0, maxval=None, dtype=tf.float32, seed=None, name=None)

    #从均匀分布中输出随机值.

      生成的值在该 [minval, maxval) 范围内遵循均匀分布.下限 minval 包含在范围内,而上限 maxval 被排除在外.

   其中参数:

  •  minval: 生成的随机值范围的下限;默认为0.
  • maxval: 生成的随机值范围的上限.如果 dtype 是浮点,则默认为1 
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值