Python Tensorflow和Numpy产生不同的结果

我已经看到Tensorflow在稠密层中使用matmul。 我试着在Numpy做同样的事情，但结果不同

y = np.random.rand(8, 500)
w = np.random.normal(size=(y.shape[1], 128))
y_tf = tf.constant(y, dtype='float32')
yy = tf.keras.layers.Dense(128, activation='relu', weights=[w], use_bias=False)
y_tf = tf.keras.layers.Input(tensor=y_tf)
y_tf = yy(y_tf)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    res = sess.run(fetches=y_tf)

y = np.matmul(y, w)
y[y<0] = 0  # relu

np.testing.assert_almost_equal(y, res, decimal=3)

y=np.random.rand（8500）
w=np.random.normal（大小=（y.shape[1]，128））
y_tf=tf.常量（y，dtype='float32'）
yy=tf.keras.layers.density（128，激活=relu'，权重=[w]，使用_bias=False）
y_tf=tf.keras.layers.Input（张量=y_tf）
y_tf=yy（y_tf）
使用tf.Session（）作为sess：
sess.run（tf.global\u variables\u initializer（））
res=sess.run（fetches=y\u tf）
y=np.matmul（y，w）
你对这个操作的理解是正确的，你的代码几乎是正确的。
试着替换

yy = tf.keras.layers.Dense(128, activation='relu', weights=[w], use_bias=False)

与

防止随机初始化权重，测试将通过

yy = tf.keras.layers.Dense(128, activation=None, kernel_initializer=lambda *args, **kwargs: w, use_bias=False)