tf.truncated_normal与tf.random_normal的区别

原文地址：
https://blog.csdn.net/u013713117/article/details/65446361/

一、tf.truncated_normal

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

• 从截断的正态分布中输出随机值。生成的值服从具有指定平均值和标准偏差的正态分布，如果生成的值大于平均值2个标准偏差的值则丢弃重新选择。
• 在正态分布的曲线中，横轴区间（μ-2σ，μ+2σ）内的面积为95.449974%。在tf.truncated_normal中如果x的取值在区间（μ-2σ，μ+2σ）之外则重新进行选择。这样保证了生成的值都在均值附近。
• 参数：
  shape: 一维的张量，也是输出的张量。
  mean: 正态分布的均值。
  stddev: 正态分布的标准差。
  dtype: 输出的类型。
  seed: 一个整数，当设置之后，每次生成的随机数都一样。
  name: 操作的名字。

二、tf.random_normal

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

• 从正态分布中输出随机值。
• 参数：
  shape: 一维的张量，也是输出的张量。
  mean: 正态分布的均值。
  stddev: 正态分布的标准差。
  dtype: 输出的类型。
  seed: 一个整数，当设置之后，每次生成的随机数都一样。
  name: 操作的名字。

结果比较图见文章：
https://blog.csdn.net/u014687582/article/details/78027061
可见截断的好处主要就在于可以避免偏差太大，可以使随机值集中在均值附近。