TF random_normal和Python numpy random.normal的用法

先看TF
tf.random_normal()函数用于从服从指定正太分布的数值中取出指定个数的值。
tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

再看NP
np.random.normal()给出均值为loc，标准差为scale的高斯随机数（场）.
numpy.random.normal(loc=0.0, scale=1.0, size=None)

所谓正态分布=高斯分布，所以二者一回事 mean=loc=均值（或称期待值） stddev=scale=标准差 shape=size=输出形状，二者在处理这个参数时候(a,b)=[a,b],其中，np的normal对参数格式要求更灵活一些。 比如创建随机数的一行两列数组：

np.random.normal([2])=np.random.normal((2))=np.random.normal(0，1，2)注意最后一种用法必须带上前面两个参数，否则传递参数时候会把2当作均值传递
而tf的random_normal对shape的要求不能是数字，必须为[]或（）格式

再探究一下形状参数的规律，看下面代码

a=np.random.normal(0,1,(2,1))
b=np.random.normal(0,1,(1,2))
c=np.random.normal(0,1,(2))
print(a)
print(a.shape)
print(b)
print(b.shape)
print(c)
print(c.shape)

程序输出如下

[[ 1.11843359]
 [-0.69801129]]
(2, 1)
[[-0.87110089 -0.46089345]]
(1, 2)
[ 0.88227522 -0.26728542]
(2,)

a,b是二维的矩阵，c是一维的矩阵（严格说一维的不是矩阵）