（tensorflow之十三）random_normal与truncated_normal

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$\mu$
stddev :标准差，默认为1，即正态分布中的$\sigma$
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