Python 生成随机复数张量

我需要生成一个随机向量，如下所示：

Y = (np.random.randn(tf.size(signal)) + 1j * np.random.randn(tf.size(signal)))

其中变量

信号

是表示神经网络输出的向量，但我得到的误差如下：

  File "mtrand.pyx", line 1422, in mtrand.RandomState.randn
  File "mtrand.pyx", line 1552, in mtrand.RandomState.standard_normal
  File "mtrand.pyx", line 167, in mtrand.cont0_array
TypeError: 'Tensor' object cannot be interpreted as an integer

我还尝试了

signal.shape

，但也出现了相同的错误。

TF1.x和TF2.x:在TensorFlow中执行该操作 使用tensorflow的tensor时，应主要使用

tf

API。在您的情况下，您可以简单地使用：

Y = tf.complex(tf.random.normal((tf.size(signal),)), tf.random.normal((tf.size(signal),)))

这将返回一个随机的

复数64

张量，其实部和虚部遵循正态分布

TF2.x:急切执行 如果需要直接使用numpy，可以使用

numpy

方法在急切执行中评估张量：

Y = (np.random.randn(tf.size(signal).numpy()) + 1j * np.random.randn(tf.size(signal).numpy()))

TF1.x：使用

tf.Session

实际上，您需要在

tf.Session

中计算张量，以便通过调用以下命令获得numpy数组的输出：

注意：可能最好在会话中评估

信号

，然后使用numpy继续其余的计算（使用

signal.size

而不是

tf.size（signal）

）

---

---

注意：张量.shape的等价物是

tf.shape

。我使用了

tf.size

，因为这是您在问题中使用的。

我需要直接使用numpy，但是当我使用您的第二个建议时，我得到了一个错误

AttributeError:“Tensor”对象没有属性“numpy”

，当我尝试使用

tf.enable\u eager\u execution（）

，它给了我另一个错误

raiseruntimeerror（“tf.placeholder（）与”RuntimeError:tf.placeholder（）不兼容）与急切执行不兼容。你使用的是tf 1.x，对吗？你能在问题中添加信号的定义吗？是的，我使用的是tensorflow 1.15。你的定义是什么？信号是表示神经网络输出的向量。我的意思是神经网络的输出称为信号。我添加了一个exa我想您可能需要阅读一些文档来了解TensorFlow1.x是如何工作的。
get_size_op = tf.size(signal)

with tf.Session() as sess:
    # you might need to provide a dictionary containing 
    # the values for your placeholders (feed_dict keyword argument)
    size_signal = sess.run(get_size_op)

# size_signal is an integer you can use in the numpy function
Y = (np.random.randn(size_signal) + 1j * np.random.randn(size_signal))