TensorFlow核心例子（example_pb2）的随机生成代码

TensorFlow是一个开源的深度学习框架，可以用于构建各种人工智能模型。在TensorFlow中，example_pb2是其中一个核心的例子，用于生成随机的训练数据样本。

首先，我们需要导入相关的库和模块：

import random
from tensorflow.core.example import example_pb2

然后，我们可以定义一个函数来生成随机的训练数据样本。这个例子将包含两个特征：一个整数类型的特征和一个浮点类型的特征。

def generate_example():
    example = example_pb2.Example()
    
    feature_int = random.randint(0, 100)
    feature_float = random.uniform(0, 1)
    
    example.features.feature["int_feature"].int64_list.value.append(feature_int)
    example.features.feature["float_feature"].float_list.value.append(feature_float)
    
    return example

在这个函数中，我们首先创建一个example_pb2.Example对象。然后，我们使用random.randint函数生成一个0到100之间的随机整数作为整数类型的特征值，使用random.uniform函数生成一个0到1之间的随机浮点数作为浮点类型的特征值。接下来，我们将这两个特征值添加到example对象的features中。

接下来，我们可以调用这个函数来生成随机的训练数据样本并打印出来。

for i in range(10):
    example = generate_example()
    print(example)

运行这段代码，我们将得到10个随机生成的训练数据样本，每个样本包含一个整数类型的特征和一个浮点类型的特征。

features {
  feature {
    key: "int_feature"
    value {
      int64_list {
        value: 25
      }
    }
  }
  feature {
    key: "float_feature"
    value {
      float_list {
        value: 0.7126143574714661
      }
    }
  }
}

features {
  feature {
    key: "int_feature"
    value {
      int64_list {
        value: 83
      }
    }
  }
  feature {
    key: "float_feature"
    value {
      float_list {
        value: 0.43021770700645447
      }
    }
  }
}

...

上述代码演示了如何使用example_pb2来生成随机的训练数据样本。我们通过随机生成整数类型和浮点类型的特征值，并将其添加到example对象的features中。每个样本将以Example的格式打印出来，其中包含了特征的key和value。

这个例子可以帮助我们更好地理解TensorFlow中example_pb2的使用方式，并且可以作为生成训练数据样本的基础代码。我们可以根据自己的需求，修改生成特征值的方式，以及添加更复杂的特征和样本结构。