【TensorFlow】TensorFlow函数精讲之tf.truncated_normal()

tf.truncated_normal()函数是一种“截断”方式生成正太分布随机值，“截断”意思指生成的随机数值与均值的差不能大于两倍中误差，否则会重新生成。

此函数有别于tf.random_normal()正太函数，请参考本博客关于tf.random_normal()函数的介绍

（TensorFlow函数之tf.random_normal()）

---

tf.truncated_normal()函数的格式为：

tf.truncated_normal(shape, mean, stddev, dtype, seed, name)

参数说明：

1. shape：表示生成随机数的维度
2. mean：正太分布的均值，默认为0
3. stddev：正太分布的标准差
4. dtype：生成正太分布数据的类型
5. seed：一个整数，当设置之后，每次生成的随机数都一样
6. name：正太分布的名字

---

下边举两个例子说明函数的用法：

1、下边例子，均值mean=0，stddev=0.2，则生成的随机数与均值差不能大于两倍中误差，即范围为：[-0.4,0.4]

import tensorflow as tf

v = tf.truncated_normal([2, 2], mean=0, stddev=0.2, dtype=tf.float32, seed=1, name='v')

sess = tf.Session()
print(sess.run(v))
sess.close()

输出为：

[[-0.16226365  0.29691976]
 [ 0.01306587  0.01984968]]

2、修改标准差，查看生成随机数的差别，这里设置stddev=0.1，则生成的范围：[-0.2,0.2]

import tensorflow as tf

v = tf.truncated_normal([2, 2], mean=0, stddev=0.1, dtype=tf.float32, seed=1, name='v')

sess = tf.Session()
print(sess.run(v))
sess.close()

输出为：

[[-0.08113182  0.14845988]
 [ 0.00653294  0.00992484]]