Question

屏幕截图

>>> boxes = tf.random_normal([ 5])
>>> with s.as_default():
...     s.run(boxes)
...     s.run(keras.backend.argmax(boxes,axis=0))
...     s.run(tf.reduce_max(boxes,axis=0))
...
array([ 0.37312034, -0.97431135,  0.44504794,  0.35789603,  1.2461706 ],
    dtype=float32)
3
0.856236

。

为什么我会得到0.8564。我希望该值为1.2461。因为1.2461是big.right？

I am getting correct answer if i use tf.constant.
But I am not getting correct answer while using radom_normal

Answer 1

每次使用boxes运行s.run()时，都会重新生成新的radom_normal。因此，您的三个结果是不同的。如果要获得一致的结果，则应该只运行一次s.run()。

result = s.run([boxes,keras.backend.argmax(boxes,axis=0),tf.reduce_sum(boxes,axis=0)])
print(result[0])
print(result[1])
print(result[2])

#print
[ 0.69957364  1.3192859  -0.6662426  -0.5895929   0.22300807]
1
0.9860319

此外，代码应以文本格式而不是图片格式给出。

Answer 2

TensorFlow与numpy不同，因为TF仅使用符号运算。这意味着当实例化random_normal时，您不会得到数值，而是得到符号正态分布，因此每次对其进行评估时，都会得到不同的数字。

每次使用此分发版进行操作时，进行任何其他操作时，您都会得到不同的数字，这将说明您看到的结果。

张量流中的reduce_max函数

2 个答案: