tf.truncated_normal()

参考官方说明文档

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

Argus:

shape: A 1-D integer Tensor or Python array. The shape of the output tensor.(一维的整形Tensor或者python 。其实也就是python的list。指的是输出tensor的shape)

mean: A 0-D Tensor or Python value of type `dtype`. The mean of thetruncated normal distribution.（均值：数据类型为参数‘dtype’的0维的Tensor,也就单个数值的tensor或      者数据类型为参数‘dtype’的python值）The mean of the truncated normal distribution.（这个是截断正态分布的均值）

stddev: A 0-D Tensor or Python value of type `dtype`. The standard deviation（数据类型为参数‘dtype’的0维的Tensor或者python值，也就是单个数值，这个是标准差）

dtype: The type of the output（输出的数据类型，注意这个数据类型有默认值，而且这个数据类型也规定了shape，mean，stddev的数据类型）

seed: A Python integer. Used to create a random seed for the distribution.（python整数，用来为分布产生一个随机种子，很少用到）

name: A name for the operation (optional)

Returns: A tensor of the specified shape filled with random truncated normal values.（返回一个指定shape的tensor）

  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。和一般的正太分布的产生随机数据比起来，这个函数产生的随机数与均值的差距不会超过两倍的标准差，但是一般的别的函数是可能的。

栗子

import tensorflow as tf
result=tf.truncated_normal(shape=[5,5],mean=0,stddev=1)
with tf.Session() as sess:
    print(sess.run(result))