TensorFlow 有几个操作用来创建不同分布的随机张量。注意随机操作是有状态的,并在每次评估时创建新的随机值。
下面是一些相关的函数的介绍:
tf.random_normal
从正态分布中输出随机值。
random_normal(
shape,
mean=0.0,
stddev=1.0,
dtype=tf.float32,
seed=None,
name=None
)
args:
shape:一维整数或 Python 数组表示输出张量的形状。
mean:dtype 类型的0-D张量或 Python 值表示正态分布的均值。
stddev:dtype 类型的0-D张量或 Python 值表示正态分布的标准差。
dtype:输出的类型。
seed:一个 Python 整数。用于为分发创建一个随机种子。
name:操作的名称(可选)。
返回:将返回一个指定形状的张量,通过符合要求的随机值填充。
tf.truncated_normal
生成的值遵循具有指定平均值和标准差的正态分布,和tf.random_normal不同之处在于其平均值大于 2 个标准差的值将被丢弃并重新选择。
tf.truncated_normal(
shape,
mean=0.0,
stddev=1.0,
dtype=tf.float32,
seed=None,
name=None
)
args:
shape:一维整数或 Python 数组表示输出张量的形状。
mean:dtype 类型的 0-D 张量或 Python 值表示截断正态分布的均值。
stddev:dtype 类型的 0-D 张量或 Python 值表示截断前正态分布的标准偏差。
dtype:输出的类型。
seed:一个 Python 整数。用于为分发创建随机种子。
name:操作的名称(可选)。
返回:
函数返回指定形状的张量,通过随机截断的符合要求的值填充。
tf.random_uniform
从均匀分布中输出随机值。
random_uniform(
shape,
minval&#