Tensorflow:tf.random_normal使用相同的初始种子获得不同的结果

我想制作一个可重用的

随机张量x

，并将相同的张量分配给

变量y

。这意味着它们在

Session.run（）期间应该具有相同的值

但事实并非如此。那么为什么
y
不等于
x

更新：
连续多次应用
sess.run（x）
和
sess.run（y）
后，确认
x
每次都在变化，而
y
保持稳定。为什么?

import tensorflow as tf

x = tf.random_normal([3], seed = 1)
y = tf.Variable(initial_value = x) # expect y get the same random tensor as x

diff = tf.subtract(x, y)
avg = tf.reduce_mean(diff)

sess = tf.InteractiveSession()
sess.run(y.initializer)

print('x0:', sess.run(x))
print('y0:', sess.run(y))
print('x1:', sess.run(x))
print('y1:', sess.run(y))
print('x2:', sess.run(x))
print('y2:', sess.run(y))
print('diff:', sess.run(diff))
print('avg:', sess.run(avg)) # expected as 0.0

sess.close()

输出：张量x每运行一次就改变一次。运行（x）

真正的原因是：
x=tf.random\u normal（seed=initial\u seed）
在每次应用
sess.run（）
时都在演化，但如果
x0-x1-x2
if重新启动运行脚本，则会产生相同的张量序列。提供有关随机种子的一些解释

为了保证每次运行后相同的
x
，我们需要重新初始化它。我不确定有没有合适的方式来处理我的案子。但是我们可以将
x
设置为变量，并使用固定种子进行初始化。
tf.get\u variable
或
tf.variable
都可以。我觉得我的问题合适

这是我的最终代码。它起作用了

import tensorflow as tf

initializer = tf.random_normal_initializer(seed = 1)
x = tf.get_variable(name = 'x', shape = [3], dtype = tf.float32, initializer = initializer)
y = tf.Variable(initial_value = x)

diff = tf.subtract(x, y)
avg = tf.reduce_mean(diff)

sess = tf.InteractiveSession()
sess.run(tf.global_variables_initializer())

print('x0:', sess.run(x))
print('y0:', sess.run(y))

print('x1:', sess.run(x))
print('y1:', sess.run(y))

print('x2:', sess.run(x))
print('y2:', sess.run(y))

print('diff:', sess.run(diff))
print('avg:', sess.run(avg))
sess.close()

x0: [-0.8113182   1.4845988   0.06532937]
y0: [-0.8113182   1.4845988   0.06532937]
x1: [-0.8113182   1.4845988   0.06532937]
y1: [-0.8113182   1.4845988   0.06532937]
x2: [-0.8113182   1.4845988   0.06532937]
y2: [-0.8113182   1.4845988   0.06532937]
diff: [0. 0. 0.]
avg: 0.0

请尝试
sess.run（tf.global\u variable\u initilizer（））
而不是初始化。这有用吗？也许可以将张量的长度设置为2，这样就可以直观地比较两者。@Lau sess.run（tf.global_variable_initilizer（））与sess.run（y.initializer）相同。应用sess.run（tf.equal（x，y））你会得到一个全为False的张量。试试看。好的，sry。我现在测试了一些代码
tf.random_normal
在每次调用时绘制正态分布。这意味着，因为你想有时间产生噪音。如果变量是静态的，请使用：
tf.get\u variable（“test”，shape=[3]，initializer=tf.random\u normal\u initializer（））
。
import tensorflow as tf

initializer = tf.random_normal_initializer(seed = 1)
x = tf.get_variable(name = 'x', shape = [3], dtype = tf.float32, initializer = initializer)
y = tf.Variable(initial_value = x)

diff = tf.subtract(x, y)
avg = tf.reduce_mean(diff)

sess = tf.InteractiveSession()
sess.run(tf.global_variables_initializer())

print('x0:', sess.run(x))
print('y0:', sess.run(y))

print('x1:', sess.run(x))
print('y1:', sess.run(y))

print('x2:', sess.run(x))
print('y2:', sess.run(y))

print('diff:', sess.run(diff))
print('avg:', sess.run(avg))
sess.close()

x0: [-0.8113182   1.4845988   0.06532937]
y0: [-0.8113182   1.4845988   0.06532937]
x1: [-0.8113182   1.4845988   0.06532937]
y1: [-0.8113182   1.4845988   0.06532937]
x2: [-0.8113182   1.4845988   0.06532937]
y2: [-0.8113182   1.4845988   0.06532937]
diff: [0. 0. 0.]
avg: 0.0