python - Tensorflow的占位符初始化与tensorflow的常量初始化不同。为什么？

Question

我编写了两个函数，以不同的方式初始化tensorflow的变量。我不知道为什么结果不同。这是使用占位符进行初始化的第一个函数:

第一个函数

import tensorflow as tf
import numpy as np

def linear_function():
    np.random.seed(1)

    X = tf.placeholder(dtype = tf.float64, name='X')
    W = tf.placeholder(dtype = tf.float64, name='W')
    b = tf.placeholder(dtype = tf.float64, name='b')
    Y = tf.add(tf.matmul(W, X), b)

    sess = tf.Session()

    result = sess.run(Y, feed_dict={W:np.random.randn(4,3), X:np.random.randn(3,1), b:np.random.randn(4,1)})
    sess.close()
    return result
print( "result = " + str(linear_function()))

结果是:

result = [[-1.98748544]
 [-2.76826248]
 [-0.78635415]
 [-2.77463846]]

第二个函数

第二个函数使用tf.constant来初始化变量:

def linear_function():

    np.random.seed(1)

    X = tf.constant(np.random.randn(3,1), name ="X")
    W = tf.constant(np.random.randn(4,3), name ="X")
    b = tf.constant(np.random.randn(4,1), name ="X")
    Y = tf.add(tf.matmul(W,X), b)

    sess = tf.Session()
    result = sess.run(Y)

    sess.close()

    return result

print( "result = " + str(linear_function()))

结果:

result = [[-2.15657382]
 [ 2.95891446]
 [-1.08926781]
 [-0.84538042]]

有什么问题吗？它与np.random.seed(1)有关吗？

谢谢。

Answer 1

在第一个片段中，feed_dict 是:

{W:np.random.randn(4,3), X:np.random.randn(3,1), b:np.random.randn(4,1)}

因此，首先生成 W 的随机值，然后生成 X 的随机值，最后生成 b 的随机值。但是，在第二个片段中，随机值按 X、W 和 b 的顺序给出。由于生成随机数的顺序不同，因此值不同。例如，如果您在第一个代码段的 feed_dict 中充分更改顺序，您将获得与第二个代码段相同的结果:

import tensorflow as tf
import numpy as np

def linear_function():
    np.random.seed(1)

    X = tf.placeholder(dtype = tf.float64, name='X')
    W = tf.placeholder(dtype = tf.float64, name='W')
    b = tf.placeholder(dtype = tf.float64, name='b')
    Y = tf.add(tf.matmul(W, X), b)

    sess = tf.Session()

    result = sess.run(Y, feed_dict={X:np.random.randn(3,1), W:np.random.randn(4,3), b:np.random.randn(4,1)})
    sess.close()
    return result

print( "result = " + str(linear_function()))

输出:

result = [[-2.15657382]
 [ 2.95891446]
 [-1.08926781]
 [-0.84538042]]