TensorFlow：来自带有参数=张量的分布的随机正态值

Question

我想创建一个输出，在该输出中我从正态分布中获取一个随机值，但是正态分布的参数基于张量变量。

例如：

new = tf.map_fn(lambda x: tf.random.normal([1], x, 1.0), new)    
new = tf.map_fn(lambda x: np.random.normal(0, x, 0.1)[0], new)

其中“新”是一维的tf.Variable类型。这会引发错误：

ValueError：设置具有序列的数组元素。

我很确定这是将张量作为参数添加到这两个random.normal函数中。我如何实现自己想要的？

Answer 1

在Tensorflow Version 2.x中，用行中的x替换np.abs(x)，

new = tf.map_fn(lambda x: np.random.normal(0, x, 0.1)[0], new)解决了该错误。

下面显示的代码将Tensor作为参数传递给两个random.normal函数时成功运行：

%tensorflow_version 2.x
import tensorflow as tf
import numpy as np

new = tf.Variable([1.])

new = tf.map_fn(lambda x: tf.random.normal(shape = [1], mean = x, stddev = 1), new)
new = tf.map_fn(lambda x: np.random.normal(0, np.abs(x), 1)[0], new)

print(new)

输出如下所示：

tf.Tensor([0.00095569], shape=(1,), dtype=float32)