tf.random_normal()函数

tf.random_normal()函数用于从“服从指定正态分布的序列”中随机取出指定个数的值。

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

•     shape: 输出张量的形状，必选
•     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
•     seed: 随机数种子，是一个整数，当设置之后，每次生成的随机数都一样
•     name: 操作的名称

以下程序定义一个w1变量：

 

 

# -*- coding: utf-8 -*-)
import tensorflow as tf

w1 = tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1))

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    # sess.run(tf.initialize_all_variables())  #比较旧一点的初始化变量方法
    print w1
    print sess.run(w1)

输出：

 

 

<tf.Variable 'Variable:0' shape=(2, 3) dtype=float32_ref>
[[-0.81131822  1.48459876  0.06532937]
 [-2.4427042   0.0992484   0.59122431]]

变量w1声明之后并没有被赋值，需要在Session中调用run(tf.global_variables_initializer())方法初始化之后才会被具体赋值。

 

tf中张量与常规向量不同的是执行"print w1"输出的是w1的形状和数据类型等属性信息，获取w1的值需要调用sess.run(w1)方法。