Skip to main content
 首页 » 编程设计

python之tf.random.categorical 给出奇怪的结果

2024年11月01日15sky-heaven

我正在尝试在 tensorflow 中实现 np.random.choice。这是我的实现

import numpy as np 
import tensorflow as tf 
p=tf.Variable(0,tf.int32) 
selection_sample=[i for i in range(10)]#sample to select from 
k=tf.convert_to_tensor(selection_sample) 
samples = tf.random.categorical(tf.math.log([[1, 0.5, 0.3, 0.6]]),1) 
sample_selected=tf.cast(samples[0][0],tf.int64) 
op=tf.assign(p,k[sample_selected]) 
    #selection_sample[samples] 
init=tf.global_variables_initializer() 
with tf.Session() as sess: 
    sess.run(init) 
    print(sample_selected.eval()) 
    print(k.eval()) 
    print((sess.run(op))) 
    print(p.eval()) 

然而,当 sample_selected 例如为 1 时,我希望 p.eval 为 1,即 k[1],但事实并非如此。例如运行此代码的示例输出是

3 
[0 1 2 3 4 5 6 7 8 9] 
1 
1 

然而 p.eval 应该是 k[3] 而 sess.run(op) 也应该是 k[3] 我做错了什么。谢谢

请您参考如下方法:

当你这样做时:

print(sample_selected.eval()) 

您会得到一个从 tf.random.categorical 派生的随机值。该随机值由 session 返回,不会保存在其他任何地方。

然后,当您这样做时:

print((sess.run(op))) 

您正在为变量 p 分配一个 新 在调用 run 时产生的随机值。这是打印的值,现在保存在变量中。

最后,当您这样做时:

print(p.eval()) 

您会看到当前存储在p 中的值,这是在之前调用run 时生成的随机值。