tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
從截斷的正態(tài)分布中輸出隨機值。
生成的值服從具有指定平均值和標準偏差的正態(tài)分布，如果生成的值大于平均值2個標準偏差的值則丟棄重新選擇。
在正態(tài)分布的曲線中，橫軸區(qū)間（μ-σ，μ+σ）內(nèi)的面積為68.268949%。
橫軸區(qū)間（μ-2σ，μ+2σ）內(nèi)的面積為95.449974%。
橫軸區(qū)間（μ-3σ，μ+3σ）內(nèi)的面積為99.730020%。
X落在（μ-3σ，μ+3σ）以外的概率小于千分之三，在實際問題中常認為相應的事件是不會發(fā)生的，基本上可以把區(qū)間（μ-3σ，μ+3σ）看作是隨機變量X實際可能的取值區(qū)間，這稱之為正態(tài)分布的“3σ”原則。
在tf.truncated_normal中如果x的取值在區(qū)間（μ-2σ，μ+2σ）之外則重新進行選擇。這樣保證了生成的值都在均值附近。
參數(shù):
- shape: 一維的張量，也是輸出的張量。
- mean: 正態(tài)分布的均值。
- stddev: 正態(tài)分布的標準差。
- dtype: 輸出的類型。
- seed: 一個整數(shù)，當設(shè)置之后，每次生成的隨機數(shù)都一樣。
- name: 操作的名字。
tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
從正態(tài)分布中輸出隨機值。
參數(shù):
- shape: 一維的張量，也是輸出的張量。
- mean: 正態(tài)分布的均值。
- stddev: 正態(tài)分布的標準差。
- dtype: 輸出的類型。
- seed: 一個整數(shù)，當設(shè)置之后，每次生成的隨機數(shù)都一樣。
- name: 操作的名字。
a = tf.Variable(tf.random_normal([2,2],seed=1))
b = tf.Variable(tf.truncated_normal([2,2],seed=2))
init = tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init)
print(sess.run(a))
print(sess.run(b))
輸出：
[[-0.81131822 1.48459876]
[ 0.06532937 -2.44270396]]
[[-0.85811085 -0.19662298]
[ 0.13895047 -1.22127688]]
指定seed之后，a的值不變，b的值也不變。
轉(zhuǎn)載自https://blog.csdn.net/u013713117/article/details/65446361
