TensorFlow 在使用 numpy 随机函数时返回相同的值答案

【问题标题】：TensorFlow returns the same value when using numpy random functionTensorFlow 在使用 numpy 随机函数时返回相同的值
【发布时间】：2018-10-02 09:55:01
【问题描述】：

我正在使用带有 numpy random 函数的 Tensorflow，但输出是相同的值。如何生成不同的值？你可能会推荐使用原生 tf 随机函数，但我需要使用 numpy 随机函数。

import tensorflow as tf
import random


def get_rand():
    return random.randint(0,5)

a = get_rand()
tfprint = tf.Print(a, [a])

for i in range(10):
    print(print(get_rand()))

with tf.Session() as sess:
    for i in range(10):
        sess.run(tfprint)

【问题讨论】：

我刚刚运行了你的代码，它打印了 10 个不同的随机数。有什么问题？
Numpy 部分会生成随机数，但 Tensorflow 部分不会。

标签： numpy tensorflow random

【解决方案1】：

使用 tf.py_func，将 Numpy 函数转为 Tensorflow 函数。

import tensorflow as tf
import random


def get_rand():
    return random.randint(0,5)

a = tf.py_func(get_rand, [], tf.int64)
tfprint = tf.Print(a, [a])

for i in range(10):
    print(get_rand())

with tf.Session() as sess:
    for i in range(10):
        sess.run(tfprint)

【讨论】：

【解决方案2】：

您需要使用placeholders 和feed_dict 变量来提供数据：

import tensorflow as tf
import random


def get_rand():
    return random.randint(0,5)

a = tf.placeholder(tf.int32)
tfprint = tf.Print(a, [a])


with tf.Session() as sess:
    for i in range(10):
        sess.run(tfprint, feed_dict={a: get_rand()})

你可以阅读更多关于占位符here

【讨论】：

感谢您的回答，但在我的问题中，我无法使用 feed_dict。
是什么阻止您使用它们？
我原来的问题比给出例子更复杂。这是关于数据增强的。