谁能解释 tf.random_normal 和 tf.truncated_normal 形状参数？ [复制]答案

【问题标题】：Can anyone explain tf.random_normal and tf.truncated_normal shape argument? [duplicate]谁能解释 tf.random_normal 和 tf.truncated_normal 形状参数？ [复制]
【发布时间】：2019-04-01 00:31:13
【问题描述】：

我正在使用 tensorflow，除非参数是二维的，否则我没有遇到任何问题，但现在我遇到了一种语法

tf.Variable(tf.random_normal([5, 5, 32, 64])

tf.Variable(tf.random_normal([7*7*64, 1024]))

还有一个

tf.Variable(tf.random_normal([1024])

同样在 truncated_normal 中也是如此。谁能解释这些行的工作原理以及如何在代码后面实现？这将非常有帮助。

谢谢。

【问题讨论】：

那个问题没有提到函数的 4 维形状属性，那么如何将其标记为重复？

标签： python tensorflow machine-learning neural-network normalization

【解决方案1】：

这两个函数分别对正态分布或截断（在尖端切割）正态分布进行采样，形状参数用于指定结果张量的形状，即。您将从各自的分布中抽取多少个样本以及它们的形状。

任何高达 3 维的东西都很容易描绘，

tf.Variable(tf.random_normal([7*7*64, 1024])) 创建一个形状为 3136x1024 的二维张量，由正态分布中的随机采样值组成。

同样，tf.Variable(tf.random_normal([1024])) 将创建一个大小为 1024 的向量（或大小为 1x1024 的二维张量）

最后，tf.Variable(tf.random_normal([5, 5, 32, 64])) 在脑海中有点难以想象，这导致了大小为 5x5x32x64 的 4D-Tensor。

这可以表示一批 5 个 3-D 张量，其中第一个维度（在本例中为第一个“5”）将表示一些输入数据的批量大小。

不确定您要寻找多少细节，恐怕就我所知，希望这会有所帮助。

【讨论】：

感谢您的帮助。