Tensorflow初始化给出了所有的

Question

张量流1.12.0

在下面的代码中，似乎wrapped_rv_val和seq_rv_val应该是等价的，但它们不是。相反，seq_rv_val被正确初始化为随机生成的init_val数组，但wrapped_rv_val设置为全1。这里发生了什么？

import numpy as np
import tensorflow as tf

init_val = np.random.rand(1, 1, 16, 1).astype(np.dtype('float32'))

wrapped_rv = tf.nn.softmax(tf.get_variable('wrapped_rv', initializer=init_val))

var = tf.get_variable('seq_rv', initializer=init_val)
seq_rv = tf.nn.softmax(var, axis=2)

init_op = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init_op)
    wrapped_rv_val = sess.run(wrapped_rv)
    seq_rv_val = sess.run(seq_rv)

    print("seq_rv_val: {0}".format(seq_rv_val.flatten()))
    print("wrapped_rv_val: {0}".format(wrapped_rv_val.flatten())) 

输出：

seq_rv_val：[0.28422353 0.12556878 0.18170598 0.19684952 0.21165217]

wrapped_rv_val：[1。 1. 1. 1. 1.]

Answer 1

实际上，当您执行以下操作时，seq_rv_val和wrapped_rv_val都将正确初始化为随机生成的init_val array。

# change
wrapped_rv = tf.nn.softmax(tf.get_variable('wrapped_rv', initializer=init_val))
# to
wrapped_rv = tf.nn.softmax(tf.get_variable('wrapped_rv', initializer=init_val), axis=2)

接下来我将解释为什么wrapped_rv被初始化为1.让我们看一下softmax的公式。

设置axis=2时，分母总和项的数量将为16。但是当你设置axis=-1（默认值）时，分母求和项的数量将为1。因此，分子与分母相同，当您将其设置为axis=-1时，结果为1。您可以运行以下示例来了解该问题。

import tensorflow as tf

y = tf.constant([[1],[0],[1]],dtype=tf.float32)
y1 = tf.constant([[1],[2],[3]],dtype=tf.float32)
y2 = tf.constant([[1],[3],[7]],dtype=tf.float32)

softmax_var1 = tf.nn.softmax(logits=y1)
softmax_var2 = tf.nn.softmax(logits=y2)

with tf.Session() as sess:
    print(sess.run(softmax_var1))
    print(sess.run(softmax_var2))

[[1.]
 [1.]
 [1.]]
[[1.]
 [1.]
 [1.]]