复制Tensorflow正态分布对象

Question

给出以下代码：

import tensorflow as tf

normal_dist = tf.contrib.distributions.Normal(.5, 1.3)
foo = normal_dist.sample()
bar = normal_dist.sample()
baz = foo + bar

sess = tf.Session()
sess.run(tf.global_variables_initializer())
writer = tf.summary.FileWriter("./logs", graph=tf.get_default_graph())

正常分布对象被复制两次，总共三个对象是坏的，因为你可以看到它们都是相同的分布（相同的意思，标准）。

有没有办法不复制？还是一种优化方式？寻找最佳实践。

Answer 1

sample()方法创建一个 new 张量，它从分布中接收随机值。在幕后，Normal使用tf.random_normal op，它本身也会在调用时在图表中创建一个新节点。

如果不想每次都创建新的操作，您可以简单地多次评估相同的随机张量：

...
with tf.Session() as sess:
  print(sess.run(foo))
  print(sess.run(foo))
  print(sess.run(foo))

...每次都会输出不同的随机值。

顺便提一下，请注意张量板图片上的Normal_1和Normal_2不是对象，但命名范围包含用于计算值的操作（您可以展开并放大以查看）。底部Normal也是一个范围，其中包含foo和bar的一些常见张量。