tensorflow学习（3）：初始化

一、随机数生成函数

1. 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（严格的说是高斯分布），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。

2. tf.random_normal(shape, mean, stddev,seed) ,和上面的tf.truncated_normal区别是：
   tf.truncated_normal的输出如字面意思是截断的，而截断的标准是2倍的stddev。
   举例，当输入参数mean = 0 ， stddev =1时，
   使用tf.truncated_normal的输出是不可能出现[-2,2]以外的点的，
   而如果shape够大的话，tf.random_normal却会产生2.2或者2.4之类的输出。
   注：将seed设置成相同的值，会导致几次随机产生的值是相同的

3. tf.random_uniform():平均分布；需要指定最大值，最小值，取值类型

4. tf.random_gamma():gamma分布
   需要指定形状参数alpha，尺度参数beta，取值类型需要指定形状参数alpha，尺度参数beta，取值类型

二、常数生成函数