在tensorflow中,可能有这样一句话: W1 = tf.Variable(tf.random_normal([3, 3, 1, 32], stddev=0.01)),对于函数
tf.random_normal解释如下:
tf.random_normal
tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
输出的值服从正态分布
Args:
shape: 用一个list表示产出的Tensor的形状。比如[2,3]表示2*3的一个张量
mean: 类型为dtype的0-D张量或Python值。 正态分布的均值。
stddev: 类型为dtype的0-D张量或Python值。 正态分布的标准差。
dtype: 产生数据类型
seed: 一个Python整数。 用于为分发创建随机种子。 有关行为,请参阅set_random_seed。作用:若固定seed值,则每次产生的随机数结果是一样的,若需要每次产生不一样的随机数,则可将seed值设置为
None
name: 操作的名称(可选)。
函数返回值: 指定形状的张量填充随机正常值。
python3.5.2-tensorflow0.12.0实例:
import tensorflow as tf w1=tf.Variable(tf.random_normal([1,3],mean=0.0, stddev=1.0, dtype=tf.float32, seed=123, name=None)) w2=tf.Variable(tf.random_normal([3,1],stddev=1)) sess = tf.Session() init = tf.global_variables_initializer() sess.run(init) print(sess.run(w1))
输出结果:
![](https://i-blog.csdnimg.cn/blog_migrate/1f8de7ea34dacea18f044ef64b4d9a55.png)