用法:
返回: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。
>>def __init__(self, mean=0.0, stddev=1.0, seed=None, dtype=dtypes.float32):
>> self.mean = mean
>> self.stddev = stddev
>> self.seed = seed
>> self.dtype = _assert_float_dtype(dtypes.as_dtype(dtype))
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
tf.squeeze
从tensor中删除所有大小是1的维度
tf.get_variable():必须指定初始化值
tf.Variable()的区别 :可以用各种初始化方法,不用明确指定值。
需要注意的是tf.get_variable()
要配合reuse
和tf.variable_scope()
使用。
如果已经存在的变量没有设置为共享变量,TensorFlow 运行到第二个拥有相同名字的变量的时候,就会报错。为了解决这个问题,TensorFlow 提出了 tf.variable_scope 函数:它的主要作用是,在一个作用域 scope 内共享一些变量,