TensorFlowでランダムベクトルを生成し、それを今後も使用するにはどうすればよいですか？

Question

ランダム変数を生成して2回使用しようとしています。しかし、私が2回目にそれを使用すると、ジェネレータは最初のものと同じではない2番目のランダム変数を作成します。ここで実証するコードは次のとおりです。

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) 

私はz1_opとz2_opが等しくなるようにしたいです。これは、random_uniform opが2回呼び出されるためです。これを達成するためにTensorFlow（NumPyを使用せずに）を使用する方法はありますか？

（私のユースケースはより複雑であるが、これは蒸留質問です。）

Answer 1

あなたが0にシードを設定しているので、彼らは内の同じ値を持つことになりますが、ランダム（sess.run()を呼び出すたびに新しいrand_var_1の値とrand_var_2を生成しますあなたのコードの現在のバージョンsess.run()への1回の呼び出し）。後で使用するためにランダムに生成されたテンソルの値を保持したい場合は

、あなたはtf.Variableに割り当てる必要があります。

：

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) 

が...その後tf.initialize_all_variables()が所望の効果を持っています

# 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. 

Answer 2

あなたの質問は、あなたがrandom_uniformを呼び出す場合二回使用すると、2つの結果を得るという点で、this questionと同じ問題があり、そのようなあなたのように2番目の変数を最初の変数の値に設定する必要があります。あなたはz1とz2が等しくなるようにしたい場合は、なぜまったく別々の変数を持っている、とは言う、

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

しかし：それはあなたがrand_var_1後から変更されていないと仮定すると、あなたがこれを行うことができ、ということを意味しますか？なぜない：

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)