神经网络参数与TensorFlow变量
在TensorFlow中变量的作用是保存和更新神经网络中的参数,需要给变量指定初始值,如下声明一个2x3矩阵变量 weights =tf.Variable(tf.random_normal([2,3], stddev=1)) 在这段代码中tf.random_normal([2,3], stddev=1)会产生一个2x3的矩阵,矩阵中的元素是均值为0,标准差为2的随机数。tf.random_normal()可以通过参数mean来指定平均值,不指定默认0. 函数名称 随机数分布 主要参数 tf.random_normal 正态分布 平均值、标准差、取值类型 tf.truncated_normal 正态分布、但随机出来的值偏离平均值超 过2个标准差,那么这个数将会重新随机 平均值、标准差、取值类型 tf.random_uniform 均匀分布 最小值、最大值、取值类型 tf.random_gamma Gamma分布 形状参数alpha、尺度参数beta、取值类型 TensorFlow支持常量来初始化变量,下表将给出常用的常量声明方法 函数名称 功能 样例 tf.zeros 产生全为0的数组 tf.zeros([2,3], int32) -> [[0,0,0], [0,0,0]] tf.ones 产生全为1的数组 tf.oness([2,3], int32) -> [[1,1,1], [1