TensorFlow變數初始化

import tensorflow as tf

w1 = tf.variable(tf.random_normal([2, 3], stddev=1, seed=1))
with tf.session() as sess:
sess.run(tf.global_variables_initializer())    
print (w1)
print (sess.run(w1))

[[-0.8113182   1.4845988   0.06532937]

[-2.4427042   0.0992484   0.5912243 ]]

shape: 輸出張量的形狀，必選

mean: 正態分佈的均值，預設為0

stddev: 正態分佈的標準差，預設為1.0

dtype: 輸出的型別，預設為tf.float32

seed: 隨機數種子，是乙個整數，當設定之後，每次生成的隨機數都一樣

name: 操作的名稱

其他隨機數生成函式可參考官方api：

Tensorflow初始化變數

變數必須先初始化後才可使用。如果您在低級別 tensorflow api 中進行程式設計 即您在顯式建立自己的圖和會話 則必須明確初始化變數。tf.contrib.slim tf.estimator.estimator和keras等大多數高階框架在訓練模型前會自動為您初始化變數。要在訓練開始前一次性...

TensorFlow 變數初始化函式

tensorflow 中的變數初始化函式 初始化函式 功能主要引數 tf.constant initializer 將變數初始化為給定常量 常量的取值 tf.random normal initializer 將變數初始化為滿足正太分布的隨機值 正太分布的均值和標準差 tf.truncated no...

TensorFlow的變數初始化

初始化函式 功能主要引數 tf.constant initializer 將變數初始化為給定常量 常量的取值 tf.random normal initializer 將變數初始化為滿足正太分布的隨機值 正太分布的均值和標準差 tf.truncated normal initializer 將變數初...