tf.truncated_normal与tf.random_normal的区别

最新推荐文章于 2023-11-10 04:45:52 发布

jjjj32481

最新推荐文章于 2023-11-10 04:45:52 发布

阅读量1.1w

点赞数 6

分类专栏： DL

本文链接：https://blog.csdn.net/u014687582/article/details/78027061

版权

作为tensorflow里的正态分布产生函数，这两个函数的输入参数几乎完全一致，

而其主要的区别在于，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。

下面的代码从tensorflow官网的代码做修改，然后结果看图。

#-*- coding: utf-8 -*-
import tensorflow as tf    
import numpy as np  


k = tf.placeholder(tf.float32)

# Make a normal distribution, with a shifting mean
mean_random_normal = tf.random_normal(shape=[1000],mean=(5*k),stddev=1)
mean_moving_normal = tf.truncated_normal(shape=[1000], mean=(5*k), stddev=1)
# Record that distribution into a histogram summary
tf.summary.histogram("normal/random_output", mean_random_normal)
tf.summary.histogram("normal/truncated_output", mea