TensorFlow：生成随机常数

在 ipython 中我导入了tensorflow as tf and numpy as np并创建了一个 TensorFlowInteractiveSession。 当我使用 numpy 输入运行或初始化一些正态分布时，一切运行正常：

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

Returns:

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

正如预期的那样。

...但是当我使用 Tensorflow 正态分布函数时：

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

...它会引发类型错误：

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

我在这里缺少什么？

输出：

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

单独返回完全相同的东西np.random.normal生成 -> 形状矩阵(2, 2)值取自正态分布。

The tf.constant()op 接受一个 numpy 数组（或者隐式转换为 numpy 数组的东西），并返回一个tf.Tensor其值与该数组相同。确实如此not接受一个tf.Tensor作为其论点。

另一方面，tf.random_normal()操作返回一个tf.Tensor其值在每次运行时根据给定的分布随机生成。由于它返回一个tf.Tensor，它不能用作参数tf.constant()。这解释了TypeError（这与使用无关tf.InteractiveSession，因为它是在构建图表时发生的）。

我假设您希望您的图表包含一个张量，该张量（i）在第一次使用时随机生成，（ii）此后保持不变。有两种方法可以做到这一点：

1. 使用 NumPy 生成随机值并将其放入tf.constant()，正如您在问题中所做的那样：

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

2. （可能更快，因为它可以使用 GPU 生成随机数）使用 TensorFlow 生成随机值并将其放入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`