TensorFlow框架 tf.truncated_normal 与 tf.random_normal 函数用法

tf.truncated_normal

tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

截断正态分布随机数，均值mean,标准差stddev,不过只保留[mean-2stddev,mean+2stddev]范围内的随机数

参数:

• shape: 一维的张量，也是输出的张量。
• mean: 正态分布的均值。
• stddev: 正态分布的标准差。
• dtype: 输出的类型。
• seed: 一个整数，当设置之后，每次生成的随机数都一样。

这个函数产生正太分布，均值和标准差自己设定。

这是一个截断的产生正太分布的函数，就是说产生正太分布的值如果与均值的差值大于两倍的标准差，那就重新生成。在tf.truncated_normal中如果x的取值在区间（μ-2σ，μ+2σ）之外则重新进行选择。这样保证了生成的值都在均值附近。

import tensorflow as tf

c = tf.truncated_normal(shape=[3, 10], mean=0, stddev=1)

with tf.Session() as sess:
    print(sess.run(c))
# [[ 0.00207981  1.0078866  -0.2173244  -0.6227373  -0.13671626  0.54306096
#    0.05961955 -0.71078813  1.0603966   1.5214361 ]
#  [-0.5301567   1.2580009  -0.5151801  -0.6678964  -1.1711869   0.5603977
#    1.417851    1.0876915   0.82065904 -0.32612598]
#  [ 0.2213394   0.77497286  0.01020927 -1.3128651  -0.70711106 -0.95805985
#    0.9908921  -1.1788669  -0.14797276 -0.5546111 ]]

tf.random_normal 

tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None) 

正太分布随机数，均值mean,标准差stddev

• shape: 一维的张量，也是输出的张量。
• mean: 正态分布的均值。
• stddev: 正态分布的标准差。
• dtype: 输出的类型。
• seed: 一个整数，当设置之后，每次生成的随机数都一样。
• name: 操作的名字。

import tensorflow as tf

c = tf.random_normal(shape=[3, 10], mean=0, stddev=1)

with tf.Session() as sess:
    print(sess.run(c))
# [[-1.0658871  -0.44731724  1.833981    1.6720905   0.37245286 -0.23843694
#   -0.19678928  1.6637603  -0.73289555 -1.3160926 ]
#  [ 0.39453745  2.305284   -1.653993    1.2474583  -0.6090688  -1.3814263
#    2.0207896  -0.8321093   1.0032438  -1.9647788 ]
#  [-0.2059964   1.486868    0.9989834   0.2961966   1.0740569   0.04554983
#    0.69583106  0.26478663  0.42541358  1.1142943 ]]