Tensorflow 之 API tf.truncated_normal_initializer()

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，