AttributeError: module 'tensorflow' has no attribute 'random_normal' tensorflow 2.6

AttributeError: module 'tensorflow' has no attribute 'random_normal' 是一个常见的错误，它表示在 TensorFlow 2.6 版本中，没有名为 'random_normal' 的属性。在 TensorFlow 2.6 中，可以使用 tf.random.normal() 函数来生成服从正态分布的随机数。

如果你想生成服从正态分布的随机数，可以使用以下代码：

import tensorflow as tf

random_numbers = tf.random.normal(shape=(10,))
print(random_numbers)

这段代码将会生成一个形状为 (10,) 的张量，其中的元素服从均值为 0、标准差为 1 的正态分布。

相关问题

AttributeError: module tensorflow has no attribute ConfigProto

这个错误常见于使用较新版本的 TensorFlow。在 TensorFlow 2.0 及更高版本中，`ConfigProto`已经被移除了，取而代之的是使用 `tf.compat.v1.ConfigProto`。你可以尝试将 `ConfigProto` 替换为 `tf.compat.v1.ConfigProto`，然后再次运行代码。例如：

import tensorflow as tf

config = tf.compat.v1.ConfigProto()
# 继续设置其他配置参数...

这样应该可以解决你遇到的问题。如果还有其他疑问，请随时提问。

AttributeError: module tensorflow has no attribute Session

这个错误是因为 TensorFlow 2.x 版本中已经移除了 `Session` 类。在 TensorFlow 2.x 中，使用的是更加简洁和易用的命令式编程风格，不再需要显式地创建和管理会话。

相应地，你可以更新你的代码以适应 TensorFlow 2.x 的写法。可以将 `Session` 相关的代码替换为新的方式，例如使用 `tf.function` 或者直接执行函数等。具体的替代方法取决于你的代码逻辑，你可以参考 TensorFlow 2.x 的官方文档或者其他相关资源来进行适配。

如果你的代码是从 TensorFlow 1.x 迁移到 TensorFlow 2.x，可以使用 `tf.compat.v1` 模块来保持与旧版本代码的兼容性，但推荐修改代码以适应新的风格和功能。

希望这个解答能够帮到你！如果你有更多问题，请随时提问。