Python 如何在TensorFlow中生成一个随机向量并维护它以供进一步使用?
我试图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,生成器会创建一个与第一个随机变量不同的第二个随机变量。下面是要演示的代码:Python 如何在TensorFlow中生成一个随机向量并维护它以供进一步使用?,python,random,tensorflow,Python,Random,Tensorflow,我试图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,生成器会创建一个与第一个随机变量不同的第二个随机变量。下面是要演示的代码: 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 =
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\u uniform
op被调用了两次。有没有一种方法可以使用TensorFlow(不使用NumPy)来实现这一点
(我的用例更复杂,但这是一个提炼的问题。)您的问题与相同,因为如果调用两次
random\u uniform
,您将得到两个结果,因此您需要将第二个变量设置为第一个变量的值。这意味着,假设您以后不更改rand\u var\u 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,如果你想让z1
和z2
相等,为什么要有单独的变量呢?为什么不:
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)
当前版本的代码将在每次调用
sess.run()
时为rand\u var\u 1
和rand\u var\u 2
随机生成一个新值(尽管由于您将seed设置为0,它们在单个调用sess.run()
中具有相同的值)
如果要保留随机生成的张量值以供以后使用,应将其指定给:
…然后将产生预期的效果:
# 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.
我将得到两个结果,但由于我将两个种子都设置为零,因此两个结果必须相同。将第二个值设置为第一个值对我来说不起作用,因为在我的实际用例中,第二个值是随机变量的不同函数。我为我的误导性例子道歉。同样,“z1_op”和“z2_op”在我的代码中也是不同的。我在这里只是用它们来说明在每个步骤中使用了不同的随机数。如果我不能控制
sess.run
,这将如何工作?我在估计器中使用它,所以所有会话管理都是隐藏的。我的函数g()
需要调用f(t)
两次,使用相同的t
。但是,每次调用g()
,我都需要一个不同的t
。基本上,我想在函数的整个过程中缓存tf.random_uniform()
的结果g()
@cipriantomoagă:如果您还没有这样做,请问一个新问题。有意义。我想我已经弄明白了。放假后我会写一封问答信。谢谢
# 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.