Tensorflow | Random |常用函数介绍

2019-11-06 07:08:12

字体：大中小

来源：转载

供稿：网友

根据官网的帮助文档，介绍Random类型的函数，方便自己学习和查看。若是有幸帮到别的朋友，深感荣幸。

rf.random_normal

产生正态随机分布

格式：tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None)

shape定义维度，mean定义均值，stddev定义方差，dtype定义类型，seed定义种子，name定义名称

例子：

import tensorflow as tf# Create a tensor of shape [2, 3] consisting of random normal values, with mean# -1 and standard deviation 4.norm = tf.random_normal(shape=[2, 3], mean=-1, stddev=4)with tf.session() as sess: PRint (sess.run(norm))

结果： [[ -7.80873823 -10.97159195 -11.99345589] [ 1.79066849 -4.10513306 4.37571764]]

tf.truncated_normal 产生标准正态分布

格式：tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

shape定义维度，mean定义均值，stddev定义方差，dtype定义类型，seed定义种子，name定义名称

例子：

import tensorflow as tf# Create a tensor of shape [2, 3] consisting of random normal values, with mean# 0 and standard deviation 1.norm = tf.truncated_normal(shape=[2,3],mean=0,stddev=1)with tf.Session() as sess: print (sess.run(norm))

结果： [[ 1.89490759 -1.03072059 0.2172989 ] [-0.29377019 -0.38990787 -1.09539473]]

tf.random_uniform 产生均匀分布

格式：tf.random_uniform(shape, minval=0.0, maxval=1.0, dtype=tf.float32, seed=None, name=None)

shape定义维度，minval区间最小值，maxval区间最大值，dtype定义类型，seed定义种子，name定义名称

例子：

import tensorflow as tf# Create a tensor of shape [2, 3] consisting of random uniform values, with minval=1# and maxval =3.norm = tf.random_uniform(shape=[2,3],minval=1,maxval=3)with tf.Session() as sess: print (sess.run(norm))

结果： [[ 2.73986316 1.50323987 1.64366412] [ 1.12579513 1.52106118 1.29330397]]

-tf.random_shuffle

随机的交换位置格式：tf.random_shuffle(value, seed=None, name=None) value是一个给定的张量，seed定义的种子，name定义名称

例子：

import tensorflow as tfc = tf.constant([[1,2],[3,4],[5,6]])shuff = tf.random_shuffle(value=c,seed=1,name="shuff")with tf.Session() as sess: print (sess.run(shuff))

结果： [[1 2] [5 6] [3 4]]

tf.set_random_seed

设置种子格式：tf.set_random_seed(seed) seed是给定的种子

例子：

import tensorflow as tftf.set_random_seed(1234)a = tf.random_uniform([1])b = tf.random_normal([1])with tf.Session() as sess: print (sess.run(a)) print (sess.run(b))

结果： [ 0.59309709] [ 0.32048994]

每次运行结果都不一致。要一致还是在定义张量的内部来设置。

上一篇：hibernate 异常一

下一篇：虚函数与继承