coding小记:np.random.randn与tf.random_normal
来源:互联网 发布:淘宝客服怎么做流程 编辑:程序博客网 时间:2024/06/06 05:14
今天在编码时同时遇到了这两个函数,并且都是用来初始化权重的,写法如下
w = tf.Variable(tf.random_normal(shape, stddev=0.01))
w = tf.Variable(np.random.randn())
看上去都是随机生成符合正态分布的值,但是实际上tf.random_normal(shape, stddev=0.01)
是从正态分布中返回符合你输入的shape和均值与方差的值。
tf.random_normal( shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
shape: A 1-D integer Tensor or Python array.输出tensor的shape
mean: A 0-D Tensor or Python value of type dtype. 正态分布的均值
stddev: A 0-D Tensor or Python value of type dtype. 正态分布的方差
dtype: The type of the output.
而numpy.random.randn(d0, d1, ..., dn)
返回参数中要求的shape的样本,具有标准正态分布。
如果想得到任意的正态分布,而不仅仅是标准正态,可以如下写法
N(μ, σ2):
σ * np.random.randn(…) + μ
阅读全文
0 0
- coding小记:np.random.randn与tf.random_normal
- numpy:np.random.randn
- tf.truncated_normal与tf.random_normal
- tf.truncated_normal与tf.random_normal的区别
- tf.random_normal
- Numpy学习—np.random.randn()、np.random.rand()和np.random.randint()
- Tensorflow系列:tf.random_normal
- numpy.random.randn()与rand()的区别
- numpy.random.randn()与rand()的区别
- 利用tf.truncated_normal与tf.random_normal进行张量初始化的详解
- numpy.random.randn()与rand()的区别 -- Python
- np.random
- TensorFlow学习笔记(十六)tf.random_normal
- tensorflow中tf.random_normal和tf.truncated_normal的区别
- np.random.rand、np.random.random、np.random_sample
- tensorflow生成随机数的操作 tf.random_normal & tf.random_uniform & tf.truncated_normal & tf.random_shuffle
- coding小记
- np.random.normal()正态分布
- javascript重新刷新页面
- k-shingle
- 人工智能将给医生和患者了带来什么?
- 索引简要小结
- 数据结构:队列
- coding小记:np.random.randn与tf.random_normal
- Update your urlpatterns to be a list of django.conf.urls.url() instances instead. Django 1.10. Updat
- HTTP/FTP压力测试工具siege
- 23、JS调用Android原生代码方法
- Linux单元小结(5)
- hdfs报错之 DisallowedDatanodeException
- 大数据学习20:Maven 理解 和 spark、hadoop、hive编译
- Direct3D中的纹理映射
- 阅读学习的第一个python程序