如何在 TensorFlow 中生成随机向量并维护它以供进一步使用？

Question

我正在尝试生成一个随机变量并使用它两次。但是，当我第二次使用它时，生成器创建了第二个与第一个不相同的随机变量。这是演示代码：

import numpy as np
import tensorflow as tf

# A random variable
rand_var_1 = tf.random_uniform([5],0,10, dtype = tf.int32, seed = 0)
rand_var_2 = tf.random_uniform([5],0,10, dtype = tf.int32, seed = 0)

#Op1
z1 = tf.add(rand_var_1,rand_var_2)

#Op2
z2 = tf.add(rand_var_1,rand_var_2)

init = tf.initialize_all_variables()

with tf.Session() as sess:
    sess.run(init)
    z1_op = sess.run(z1)
    z2_op = sess.run(z2)
    print(z1_op,z2_op)

我希望 z1_op 和 z2_op 相等。我认为这是因为 random_uniform 操作被调用了两次。有没有办法使用 TensorFlow（不使用 NumPy）来实现这一点？

（我的用例更复杂，但这是提炼出来的问题。）

Answer 1

您的问题与 this question 的问题相同，因为如果您调用 random_uniform 两次，您将得到两个结果，因此您需要将第二个变量设置为第一的。这意味着，假设您以后不更改 rand_var_1，您可以这样做：

rand_var_1 = tf.random_uniform([5],0,10, dtype = tf.int32, seed = 0)
rand_var_2 = rand_var_1

但是，也就是说，如果您希望 z1 和 z2 相等，为什么要有单独的变量呢？为什么不这样做：

import numpy as np
import tensorflow as tf

# A random variable
rand_var = tf.random_uniform([5],0,10, dtype = tf.int32, seed = 0)
op = tf.add(rand_var,rand_var)

init = tf.initialize_all_variables()

with tf.Session() as sess:
    sess.run(init)
    z1_op = sess.run(op)
    z2_op = sess.run(op)
    print(z1_op,z2_op)

Answer 2

您的代码的当前版本将在每次调用 sess.run() 时为 rand_var_1 和 rand_var_2 随机生成一个新值（尽管由于您将种子设置为 0，它们将在对 sess.run()).

的单次调用中具有相同的值

如果要保留 randomly-generated 张量的值供以后使用，应将其分配给 tf.Variable:

rand_var_1 = tf.Variable(tf.random_uniform([5], 0, 10, dtype=tf.int32, seed=0))
rand_var_2 = tf.Variable(tf.random_uniform([5], 0, 10, dtype=tf.int32, seed=0))

# Or, alternatively:
rand_var_1 = tf.Variable(tf.random_uniform([5], 0, 10, dtype=tf.int32, seed=0))
rand_var_2 = tf.Variable(rand_var_1.initialized_value())

# Or, alternatively:
rand_t = tf.random_uniform([5], 0, 10, dtype=tf.int32, seed=0)
rand_var_1 = tf.Variable(rand_t)
rand_var_2 = tf.Variable(rand_t)

...那么tf.initialize_all_variables()就会达到预期的效果：

# Op 1
z1 = tf.add(rand_var_1, rand_var_2)

# Op 2
z2 = tf.add(rand_var_1, rand_var_2)

init = tf.initialize_all_variables()

with tf.Session() as sess:
    sess.run(init)        # Random numbers generated here and cached.
    z1_op = sess.run(z1)  # Reuses cached values for rand_var_1, rand_var_2.
    z2_op = sess.run(z2)  # Reuses cached values for rand_var_1, rand_var_2.
    print(z1_op, z2_op)   # Will print two identical vectors.

如何在 TensorFlow 中生成随机向量并维护它以供进一步使用？

How do I generate a random vector in TensorFlow and maintain it for further use?

python

random

tensorflow