tensorflow中tf.truncated_normal 和 tf.random_normal() 用法

一、tf.truncated_normal

参考这篇博文:https://blog.csdn.net/uestc_c2_403/article/details/72235565

函数原型:tf.truncated_normal(shape, mean, stddev,dtype)

其中,shape表示要生成的张量的维度,比如 [10,10] 或者 [10,10,10] 等均可,

           mean是表示均值,

           stddev是标准差,

           dtype 表示数据类型

这个函数产生正态分布,均值和标准差根据自己设定的值一致。

这是一个生成截断的正态分布的函数,就是说产生正态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。和一般正态分布产生的随机数据比起来,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,但是一般别的函数是可能超过二倍标准差的。

二、tf.random_normal()

参考这篇博文:https://blog.csdn.net/dcrmg/article/details/79028043

函数原型:tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
其中,shape: 输出张量的形状,必选
           mean: 正态分布的均值,默认为0
           stddev: 正态分布的标准差,默认为1.0
           dtype: 输出的类型,默认为tf.float32
           seed: 随机数种子,是一个整数,当设置之后,每次生成的随机数都一样
           name: 操作的名称

tf.random_normal()函数用于从服从指定正态分布的数值中取出指定个数的值。

©️2020 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页