0
总体来说，我写使用Tensorflow一个RNN模型。我继承RNNCell并自定义我自己的单元格。最后，我使用dynamic_rnn来构建整个RNN。细节是我想将张量从shape [n，m]转换为[n，m，1]。我使用两种方法来实现这一点：为什么在Tensorflow中使用reshape和expand_dims会得到不同的结果？
tf.reshape(matrix, [n, m, 1]) # the first method
tf.expand_dims(matrix, -1) # the second method
我期望是，使用这两种方法，我会得到完全相同的训练和预测结果（所有的随机种子是固定的）。但结果是不同的。我很困惑。
谢谢！我用session.run得到两个'重塑的结果（矩阵，[N，M，1]）'和'expand_dims（矩阵，-1）'，它们是完全一样的。 “他们的职能是不同的”是什么意思？我设置了固定的随机种子，因此每次运行代码时都没有随机性。 – jzb
因此，您始终使用相同的输入获得相同的结果？ –
是的，如果我坚持用方法1（或方法2），我总是得到相同的结果，因为随机种子是固定的。但是如果我将代码从方法1切换到方法2（反之亦然），我会得到不同的结果。 – jzb