TensorFlow变量初始化

最新推荐文章于 2022-07-27 10:51:24 发布

连半钊

最新推荐文章于 2022-07-27 10:51:24 发布

阅读量2.1k

点赞数

CC 4.0 BY-SA版权

分类专栏： tensorflow

本文链接：https://blog.youkuaiyun.com/deyuan1991/article/details/85936496

tensorflow 专栏收录该内容

4 篇文章

订阅专栏

本文详细介绍了使用TensorFlow进行权重随机初始化的方法，包括tf.random_normal函数的参数解析及实例演示，展示了如何设置均值、标准差和随机数种子。

1. 初始化为随机值：tf.random_normal()

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())    
    print (w1)
    print (sess.run(w1))

输出结果：

<tf.Variable 'Variable_3:0' shape=(2, 3) dtype=float32_ref>
[[-0.8113182   1.4845988   0.06532937]
 [-2.4427042   0.0992484   0.5912243 ]]

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

其他随机数生成函数可参考官方api：https://www.tensorflow.org/versions/r1.3/api_docs/python/tf/random_normal