Question

在ipython中，我导入了tensorflow as tf和numpy as np并创建了TensorFlow InteractiveSession。当我使用numpy输入运行或初始化一些正常分布时，一切运行正常：

some_test = tf.constant(np.random.normal(loc=0.0, scale=1.0, size=(2, 2)))
session.run(some_test)

返回：

array([[-0.04152317,  0.19786302],
       [-0.68232622, -0.23439092]])

正如预期的那样。

...但是当我使用Tensorflow正态分布函数时：

some_test = tf.constant(tf.random_normal([2, 2], mean=0.0, stddev=1.0, dtype=tf.float32))
session.run(some_test)

...它引发了一个类型错误：

(...)
TypeError: List of Tensors when single Tensor expected

我在这里缺少什么？

输出：

sess.run(tf.random_normal([2, 2], mean=0.0, stddev=1.0, dtype=tf.float32))

单独返回np.random.normal生成的完全相同的内容 - ＆gt;形状(2, 2)的矩阵，其值取自正态分布。

Answer 1

tf.constant() op采用一个numpy数组（或隐式转换为numpy数组的东西），并返回一个tf.Tensor，其值与该数组相同。它不接受tf.Tensor作为其参数。

另一方面，tf.random_normal() op返回tf.Tensor，其值在每次运行时根据给定的分布随机生成。由于它返回tf.Tensor，因此不能将其用作tf.constant()的参数。这解释了TypeError（与使用tf.InteractiveSession无关，因为它是在您构建图表时发生的。）

我假设您希望图表包含一个张量，其中（i）在第一次使用时随机生成，（ii）此后不变。有两种方法可以做到这一点：

使用NumPy生成随机值并将其放入tf.constant()，就像您在问题中所做的那样：

some_test = tf.constant(
    np.random.normal(loc=0.0, scale=1.0, size=(2, 2)).astype(np.float32))

（可能更快，因为它可以使用GPU生成随机数）使用TensorFlow生成随机值并将其放入tf.Variable：

some_test = tf.Variable(
    tf.random_normal([2, 2], mean=0.0, stddev=1.0, dtype=tf.float32)
sess.run(some_test.initializer)  # Must run this before using `some_test`

TensorFlow：生成随机常量

1 个答案: