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：

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.