如何在TensorFlow中生成一个随机向量并维护它以供进一步使用？

Question

我试图生成一个随机变量并使用它两次。但是，当我第二次使用它时，生成器会创建第二个与第一个不相同的随机变量。下面是演示代码：

import numpy as np
import tensorflow as tf

# A random variable
rand_var_1 = tf.random_uniform([5],0,10, dtype = tf.int32, seed = 0)
rand_var_2 = tf.random_uniform([5],0,10, dtype = tf.int32, seed = 0)

#Op1
z1 = tf.add(rand_var_1,rand_var_2)

#Op2
z2 = tf.add(rand_var_1,rand_var_2)

init = tf.initialize_all_variables()

with tf.Session() as sess:
    sess.run(init)
    z1_op = sess.run(z1)
    z2_op = sess.run(z2)
    print(z1_op,z2_op)

我希望z1_op和z2_op相等。我认为这是因为random_uniform操作被调用了两次。有没有办法使用TensorFlow（不使用NumPy）来实现这一点？

（我的用例更复杂，但这是一个经过提炼的问题。）

Answer 1

您的问题与this question有相同的问题，如果您调用random_uniform两次，您将得到两个结果，因此您需要将第二个变量设置为第一个变量的值。这意味着，假设您稍后不更改rand_var_1，则可以执行以下操作：

rand_var_1 = tf.random_uniform([5],0,10, dtype = tf.int32, seed = 0)
rand_var_2 = rand_var_1

但是，也就是说，如果你想让z1和z2相等，为什么还要有单独的变量呢？为什么不：

import numpy as np
import tensorflow as tf

# A random variable
rand_var = tf.random_uniform([5],0,10, dtype = tf.int32, seed = 0)
op = tf.add(rand_var,rand_var)

init = tf.initialize_all_variables()

with tf.Session() as sess:
    sess.run(init)
    z1_op = sess.run(op)
    z2_op = sess.run(op)
    print(z1_op,z2_op)

Answer 2

当前版本的代码将在每次调用sess.run()时为rand_var_1和rand_var_2随机生成一个新值（尽管由于您将seed设置为0，它们在单个调用sess.run()中具有相同的值）。

如果要保留随机生成的张量的值以供以后使用，则应将其指定给^{}：

rand_var_1 = tf.Variable(tf.random_uniform([5], 0, 10, dtype=tf.int32, seed=0))
rand_var_2 = tf.Variable(tf.random_uniform([5], 0, 10, dtype=tf.int32, seed=0))

# Or, alternatively:
rand_var_1 = tf.Variable(tf.random_uniform([5], 0, 10, dtype=tf.int32, seed=0))
rand_var_2 = tf.Variable(rand_var_1.initialized_value())

# Or, alternatively:
rand_t = tf.random_uniform([5], 0, 10, dtype=tf.int32, seed=0)
rand_var_1 = tf.Variable(rand_t)
rand_var_2 = tf.Variable(rand_t)

…然后^{}将产生所需的效果：

# Op 1
z1 = tf.add(rand_var_1, rand_var_2)

# Op 2
z2 = tf.add(rand_var_1, rand_var_2)

init = tf.initialize_all_variables()

with tf.Session() as sess:
    sess.run(init)        # Random numbers generated here and cached.
    z1_op = sess.run(z1)  # Reuses cached values for rand_var_1, rand_var_2.
    z2_op = sess.run(z2)  # Reuses cached values for rand_var_1, rand_var_2.
    print(z1_op, z2_op)   # Will print two identical vectors.