TensorFlow：生成一个随机常数
问题内容：
在我的IPython进口tensorflow as tf和numpy as np创造的TensorFlow
InteractiveSession。当我使用numpy输入运行或初始化一些正态分布时，一切运行正常：
some_test = tf.constant(np.random.normal(loc=0.0, scale=1.0, size=(2, 2)))
session.run(some_test)
返回值：
array([[-0.04152317, 0.19786302],
[-0.68232622, -0.23439092]])
正如预期的那样。
…但是当我使用Tensorflow正态分布函数时：
some_test = tf.constant(tf.random_normal([2, 2], mean=0.0, stddev=1.0, dtype=tf.float32))
session.run(some_test)
…它引发类型错误，说：
(...)
TypeError: List of Tensors when single Tensor expected
我在这里想念什么？
输出：
sess.run(tf.random_normal([2, 2], mean=0.0, stddev=1.0, dtype=tf.float32))
单独返回的结果完全相同，即np.random.normal生成->形状矩阵，(2, 2)其值取自正态分布。
问题答案：
该tf.constant()运算需要花费numpy的阵列（或其它隐式转换为一个numpy的阵列），并返回一个tf.Tensor其值是相同的数组。它并
没有 接受tf.Tensor作为其参数。
另一方面，tf.random_normal()optf.Tensor每次运行时都会根据给定的分布返回其值是随机生成的。由于它返回a
tf.Tensor，因此不能用作的参数tf.constant()。这说明了TypeError（与的使用无关tf.InteractiveSession，因为它在构建图形时发生）。
我假设您希望您的图包括一个张量，该张量是（i）首次使用时随机生成的，而（ii）之后是常量。有两种方法可以做到这一点：
-
使用NumPy生成随机值，然后将其放入
tf.constant()，就像您在问题中所做的那样：some_test = tf.constant( np.random.normal(loc=0.0, scale=1.0, size=(2, 2)).astype(np.float32)) -
（可能更快，因为它可以使用GPU生成随机数）使用TensorFlow生成随机值并将其放在
tf.Variable：some_test = tf.Variable( tf.random_normal([2, 2], mean=0.0, stddev=1.0, dtype=tf.float32)sess.run(some_test.initializer) # Must run this before using
some_test
