tf.truncated_normal_initializer（）

转载自：

https://blog.csdn.net/BTUJACK/article/details/80803914

import tensorflow as tf

t = tf.truncated_normal_initializer(stddev=0.1, seed=1)

v = tf.get_variable('v', [1], initializer=t)

 

with tf.Session() as sess:

for i in range(1, 10, 1):

sess.run(tf.global_variables_initializer())

print(sess.run(v))

输出：

[-0.08113182]

[ 0.06396971]

[ 0.13587774]

[ 0.05517125]

[-0.02088852]

[-0.03633211]

[-0.06759059]

[-0.14034753]

[-0.16338211]

 

tf.truncated_normal_initializer 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。

 

ARGS：

mean：一个python标量或一个标量张量。要生成的随机值的均值。

stddev：一个python标量或一个标量张量。要生成的随机值的标准偏差。

seed：一个Python整数。用于创建随机种子。查看 tf.set_random_seed 行为。

dtype：数据类型。只支持浮点类型。

 

这是神经网络权重和过滤器的推荐初始值。