TensorFlow: Erzeugung eines random-Konstante

In ipython ich importiert tensorflow as tf und numpy as np und erstellt eine TensorFlow InteractiveSession.
Wenn ich laufen, oder während der Initialisierung einige normale Verteilung mit numpy-Eingang, läuft alles einwandfrei:

some_test = tf.constant(np.random.normal(loc=0.0, scale=1.0, size=(2, 2)))
session.run(some_test)

Gibt:

array([[-0.04152317,  0.19786302],
       [-0.68232622, -0.23439092]])

Einfach wie erwartet.

...aber wenn ich den Tensorflow normal-Verteilung-Funktion:

some_test = tf.constant(tf.random_normal([2, 2], mean=0.0, stddev=1.0, dtype=tf.float32))
session.run(some_test)

...es einen typfehler zu sagen:

(...)
TypeError: List of Tensors when single Tensor expected

Was vermisse ich hier?

Die Ausgabe von:

sess.run(tf.random_normal([2, 2], mean=0.0, stddev=1.0, dtype=tf.float32))

allein gibt die genau die gleiche Sache, die np.random.normal erzeugt -> eine matrix der Form (2, 2) mit Werten aus einer Normalverteilung.

InformationsquelleAutor daniel451 | 2016-02-26
  1. 12

    Den tf.Konstante() op dauert ein numpy-array (oder etwas implizit umwandelbar in ein numpy-array) und liefert eine tf.Tensor, deren Wert der gleiche wie array. Es tut nicht akzeptieren tf.Tensor als argument.

    Auf der anderen Seite, die tf.random_normal() op gibt eine tf.Tensor deren Wert zufällig generiert entsprechend der gegebenen Verteilung jedes mal, wenn es läuft. Da gibt es eine tf.Tensor es kann nicht als argument für tf.constant(). Dies erklärt die TypeError (die nicht in Zusammenhang mit der Verwendung von tf.InteractiveSession, da es tritt auf, wenn Sie bauen Diagramm).

    Ich nehme an, Sie wollen Ihr Diagramm um einen tensor, (i) ist zufällig generiert auf seiner ersten Verwendung, und (ii) danach konstant. Es gibt zwei Möglichkeiten, dies zu tun:

    1. NumPy verwenden Sie zum generieren der Zufallszahl und steckte es in einen tf.constant(), wie Sie es in Ihrer Frage:

      some_test = tf.constant(
    np.random.normal(loc=0.0, scale=1.0, size=(2, 2)).astype(np.float32))

    2. (Potenziell schneller, als es kann, die die GPU nutzen Sie zum generieren der Zufallszahlen) Verwenden TensorFlow zum generieren der Zufallszahl und steckte es in einen tf.Variable:

      some_test = tf.Variable(
    tf.random_normal([2, 2], mean=0.0, stddev=1.0, dtype=tf.float32)
sess.run(some_test.initializer)  # Must run this before using `some_test`
    • Danke für die Erklärung! So, ich habe mit tf.Variable wenn ich will, dass die GPU-Beschleunigung " aka "Reine" tensorflow für immer ein random "Konstante"?!
    • Ja, es ist widersinnig, nicht wahr? 🙂 Das Problem ist wirklich, dass in TF, die Begriffe "variable" und "ist initializable" kombiniert werden, der gleichen Art haben wir schon gelegentlich diskutiert, bessere Möglichkeiten, Initialisierung zu tun hat (z.B. einige äquivalente statische Initialisierung in C-ähnlichen Sprachen), aber noch nicht ließ sich auf ein design noch. (Man könnte sich vorstellen, wie so etwas würde nützlich sein, für Optimierungen wie constant folding, etc.)
    • Danke für die Antwort @mrry. Wenn ich versuche das gleiche zu tun, aber ich will nicht zu halten some_test danach konstant würde ich das gleiche tun wie option 2, aber nicht sess.run(some_test.initializer)?
    InformationsquelleAutor mrry
Schreibe einen Kommentar