为何如此。变量的值在同一程序中的不同调用时不会改变？

Question

在下面的代码中为什么当我打印两次时，tf.Variable valur保持不变。由于tf.truncate_normal产生随机值，所以我希望它在不同的调用时应该是不同的？

`initial = tf.truncated_normal([2,3], mean=100.0, stddev = 10.0)
 output = tf.Variable(initial)
 sess = tf.InteractiveSession()
 sess.run(tf.initialize_all_variables())
 print output.eval()
 print output.eval()`

Answer 1

tf.Variable（）Op正在使用＆＃34; initial＆＃34;变量作为其初始值。如果您查看Variable的帮助，您会看到_ init _方法中的第一个参数是＆＃34; initial_value＆＃34;。

您的代码调用＆＃34; tf.initialize_all_variables（）＆＃34;只有一次调用initilaize op＆＃34; tf.truncated_normal＆＃34;它创建[2,3]矩阵以将输出初始化为相同的值。然后，您的代码将打印该变量的2个副本。如果您想重新启动变量，则需要明确说明：

initial = tf.truncated_normal([2,3], mean=100.0, stddev = 10.0)
output = tf.Variable(initial)
sess = tf.InteractiveSession()
sess.run(tf.initialize_all_variables())
print output.eval()
sess.run(tf.initialize_all_variables())
print output.eval()

这可能不是您正在寻找的功能，因为这会产生副作用或重新初始化所有变量（训练权重等）。

如果您想获得随机数据集，请直接调用初始操作。另请注意，由于您没有任何需要初始化的变量或其他操作，因此您无需执行操作来准备图表。

initial = tf.truncated_normal([2,3], mean=100.0, stddev = 10.0)
sess = tf.InteractiveSession()
print initial.eval() 
print initial.eval()

你可以直接混合＆＃34;初始＆＃34;运算数学运算符也是如此。因此，如果您在每个sess.run（）中寻找随机变量，请不要使用变量，而是直接使用初始Op。