tensorflow 基本函数学习（一）

tensorflow 基本函数学习1

转自：https://blog.csdn.net/uestc_c2_403/article/details/72235565

tf.truncated_normal(shape, mean, stddev) :shape表示生成张量的维度，mean是均值，stddev是标准差。这个函数产生正太分布，均值和标准差自己设定。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。

 

转自：https://blog.csdn.net/uestc_c2_403/article/details/72810506

tf.constant(value, dtype=None, shape=None) 
创建一个常量tensor，按照给出value来赋值，可以用shape来指定其形状。value可以是一个数，也可以是一个list。 如果是一个数，那么这个常亮中所有值的按该数来赋值。

tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32) 
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32) 
tf.random_uniform(shape,minval=0,maxval=None,dtype=tf.float32) 
这几个都是用于生成随机数tensor的。尺寸是shape 
random_normal: 正太分布随机数，均值mean,标准差stddev 
truncated_normal:截断正态分布随机数，均值mean,标准差stddev,不过只保留[mean-2*stddev,mean+2*stddev]范围内的随机数 
random_uniform:均匀分布随机数，范围为[minval,maxval]
---------------------