一、random_normal与truncated_normal模型
tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
shape:1-D向量
mean :均值,默认为0,即正态分布中的 μ
stddev :标准差,默认为1,即正态分布中的 σ
seed : 种子,同一个seed下的分布值均相同;
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
函数内参数定义均相同,与randowm_normal不同的是,truncated_normal是截断正态分布,会删除大于2个stddev的x值;
二、原理
正态分布:
f(x)=12π−−√σe−(x−u)22