Tensorflow框架-前向传播

                                                 前向传播

一、参数

    即线上的权重W，用变量表示，随机给初值。

    1、w = tf.Variable(tf.random_normal([2,3], stddev=2, mean=0, seed=1))

•             tf.random_normal()：正太分布
•             [2,3]：产生2*3矩阵
•             stddev=2：标准差为2
•             mean=0：均值为0
•             seed=1：随机种子       

w = tf.Variable(tf.random_normal([2,3], stddev=2, mean=0, seed=1, dtype=tf.float32, name=None))
print(w)
with tf.Session() as sess:
    # tf.global_variables_initializer()添加节点用于初始化所有的变量(GraphKeys.VARIABLES)。
    # 返回一个初始化所有全局变量的操作（Op）。在你构建完整个模型并在会话中加载模型后，运行这个节点。
    # 函数中调用了 variable_initializer() 和 global_variables()
    sess.run(tf.global_variables_initializer())
    ov = sess.run(w)
    plt.plot(ov)
    plt.show()

        运行结果：
            <tf.Variable 'Variable:0' shape=(2, 3) dtype=float32_ref>
            [[-1.6226364   2.9691975   0.13065875]
             [-4.8854084   0.1984968   1.1824486 ]] 

            

    2、 tf.truncated_normal()：

        (1) 语法：

            truncated_normal( shape,  mean=0.0,  stddev=1.0,  dtype=tf.float32,  seed=None,  name=None)

        (2) 作用：

            产生截断正态分布随机数，取值范围为 [ mean - 2 * stddev, mean + 2 * stddev ]。

            如果随机生成的数据，偏离平均值超过2个标准差，这个数据将重新生成。

        (3) 参数说明：

参数	是否必选