谁能解释tf.random_normal和tf.truncated_normal shape参数？

Question

我正在使用tensorflow，直到并且除非参数是二维的，否则我没有遇到任何问题，但是现在我遇到了语法

tf.Variable(tf.random_normal([5, 5, 32, 64])

tf.Variable(tf.random_normal([7*7*64, 1024]))

还有一个

tf.Variable(tf.random_normal([1024])

类似地，在truncated_normal中也是如此。 谁能解释这些行的工作原理以及如何在代码后实现这些工作？这将非常有帮助。

谢谢。

Answer 1

这两个函数分别对正态分布或截断的（正切的）正态分布进行采样，shape参数用于指定所得张量的形状，即。您将从各自的分布中获取多少个样本，它们将处于什么形状。

任何3维尺寸的图片都很容易

tf.Variable(tf.random_normal([7*7*64, 1024]))从正态分布中创建一个形状为3136x1024的2D张量，其随机采样值。

类似地，tf.Variable(tf.random_normal([1024]))将创建一个大小为1024（或大小为1x1024的2D张量）的向量

最后，tf.Variable(tf.random_normal([5, 5, 32, 64]))在思维上难以想象，这导致尺寸为5x5x32x64的4D张量。

这可能表示一批5个3-D张量，其中第一个维度（在本例中为第一个“ 5”）将表示某些输入数据的批量大小。

不确定您要寻找多少细节，恐怕这只是我的知识，希望能对您有所帮助。