重复的 Tensorflow 正态分布对象

Question

给定以下代码：

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())

对于总共三个对象，正态分布对象被复制了两次，这很糟糕，因为如您所见，它们都是相同的分布（相同的均值、标准差）。

有没有办法不重复？或者优化方法？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。

顺便说一句，注意张量板图片上的Normal_1和Normal_2不是对象，而是包含要计算的操作的names scopes值（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.

的一些常用张量

重复的 Tensorflow 正态分布对象

Duplicate Tensorflow normal distribution objects

random

tensorflow

tensorboard

normal-distribution