TensorFlow变量详细介绍
来源:互联网 发布:淘宝账户被骇客入侵 编辑:程序博客网 时间:2024/06/05 18:06
TensorFlow中变量的作用主要是用来保存和更新神经网络中的参数,TensorFlow提供了tf.Variable函数来创建和初始化变量。TensorFlow提供了许多的随机生成函数和常数生成函数来初始化变量。
一、随机生成函数
1、tf.random_normal函数,随机参数分布使用的是正态分布,主要参数包括平均值、标准差、取值类型
import tensorflow as tfif __name__ == "__main__": #初始化变量,random_normal函数初始化的随机数满足正态分布 # [2,3]代表初始化一个2行3列的矩阵 #mean代表矩阵元素的均值为1,默认设置为0 #stddev代表矩阵元素的标准差为2,默认设置为1.0 #dtype设置矩阵元素的类型 w = tf.Variable(tf.random_normal([2,3],mean=1,stddev=2,dtype=tf.float32)) sess = tf.Session() #初始化所有变量 init = tf.initialize_all_variables() sess.run(init) print(w.eval(session=sess)) #[[ -1.72436237e-03 1.53843594e+00 2.15830660e+00] # [ -5.76074362e-01 1.56232834e+00 4.78696251e+00]]2、tf.truncated_normal函数,随机参数分布满足正态分布,当如果随机数偏离平均值超过2个标准差,那么这个数将会被重新分配一个随机数,主要参数包括平均值、标准差、取值类型
import tensorflow as tfif __name__ == "__main__": #初始化变量,random_normal函数初始化的随机数满足正态分布 # [2,3]代表初始化一个2行3列的矩阵 #mean代表矩阵元素的均值为1,默认设置为0 #stddev代表矩阵元素的标准差为2,默认设置为1.0 #dtype设置矩阵元素的类型 w = tf.Variable(tf.truncated_normal([2,3],mean=1,stddev=2,dtype=tf.float32)) sess = tf.Session() #初始化所有变量 init = tf.initialize_all_variables() sess.run(init) print(w.eval(session=sess)) #[[ 2.29723907 4.06425953 1.34471548] # [ 1.18218589 3.2842207 2.13593292]]3、tf.random_uniform函数,随机参数满足平均分布,主要参数包括最小值、最大值、取值类型
import tensorflow as tfif __name__ == "__main__": #初始化变量,random_uniform函数分配的随机数满足平均分布 #minval设置随机数的最小值,设置为1,默认为0 #maxval设置随机数的最大值,设置为5,默认不设置 #dtype设置矩阵元素的类型,默认设置为float32 w = tf.Variable(tf.random_uniform([2,3],minval=1,maxval=5,dtype=tf.float32)) sess = tf.Session() #初始化所有变量 init = tf.initialize_all_variables() sess.run(init) print(w.eval(session=sess)) #[[ 2.24365044 4.31799603 1.7274518 ] # [ 3.4150033 2.43968344 4.81482315]]4、tf.random_gamma函数,随机数满足Gamma分布,主要参数包括形状参数alpha(必须设置)、尺度参数beta、取值类型
import tensorflow as tfif __name__ == "__main__": #初始化变量,random_gamma函数分配的随机数满足Gamma分布 #alpha形状参数,必须设置 #beta尺度参数 #dtype设置矩阵元素的类型,默认设置为float32 w = tf.Variable(tf.random_gamma([2,3],alpha=0,beta=1,dtype=tf.float32)) sess = tf.Session() #初始化所有变量 init = tf.initialize_all_variables() sess.run(init) print(w.eval(session=sess)) #[[ 1.17549435e-38 1.17549435e-38 1.17549435e-38] # [ 1.17549435e-38 1.17549435e-38 1.17549435e-38]]二、常数生成函数
在使用TensorFlow初始化参数的时候,有时候我们需要将参数设置成一个常数,如初始化偏置项时。
1、tf.zeros函数,产生一个全为0的数组
import tensorflow as tfif __name__ == "__main__": #初始化一个3维全为0的向量,数据类型为float32 w = tf.Variable(tf.zeros([3]),dtype=tf.float32) sess = tf.Session() #初始化所有变量 init = tf.initialize_all_variables() sess.run(init) print(w.eval(session=sess)) #[ 0. 0. 0.]2、tf.ones函数,产生一个全为1的数组
#初始化一个3维全为1的向量,数据类型为float32 w = tf.Variable(tf.ones([3]),dtype=tf.float32)3、tf.fill函数,产生一个全部为给定数字的数组
#初始化一个3维全为3的向量,数据类型为float32 w = tf.Variable(tf.fill([3],3.0),dtype=tf.float32)4、tf.constant函数,产生一个给定值的常量
#初始化一个3维向量为[1.,2.,3.],数据类型为float32 w = tf.Variable(tf.constant([1.,2.,3.]),dtype=tf.float32)TensorFlow除了可以通过随机生成函数和常数生成函数初始化变量之外,还可以通过变量来初始化变量
w = tf.Variable(tf.constant([1.,2.,3.]),dtype=tf.float32) w1 = tf.Variable(w*2,dtype=tf.float32)
阅读全文
0 0
- TensorFlow变量详细介绍
- TensorFlow计算图、张量、回话详细介绍
- Tensorflow 变量
- TensorFlow笔记(二):多层CNN代码详细介绍
- TensorFlow 笔记(三):多层 LSTM代码详细介绍
- javascript中的变量作用域以及变量提升详细介绍
- TensorFlow介绍
- TensorFlow介绍
- Tensorflow介绍
- tensorflow 详细讲解
- tensorflow 共享变量
- Tensorflow共享变量
- TensorFlow 变量共享
- TensorFlow 变量管理
- tensorflow(1) 共享变量
- tensorflow重复使用共享变量
- Tensorflow学习:Variable变量
- Tensorflow 共享变量
- 机器学习
- LaTeX代码环境配置:使用LaTeX展示Python代码
- NetWordUtils
- okhttp_解析数据
- 常用的依赖包和权限
- TensorFlow变量详细介绍
- 简单小游戏-剪刀石头布的c语言实现
- zhoukao2EX
- 51nod 1097 拼成最小的数 【简单排序】
- 慕课网jQuery二
- 2017.10.22 有人说BOSS的自制力碾压我们
- springmvc返回参数在jsp页面上展示不出来
- activity_main.xml
- okhttp3封装