神经网络参数与TensorFlow变量

在写神经网络代码中经常遇到如下代码

weights = tf.Variable(tf.random_normal(2,3], dtype=tf.float32) 

在TensorFlow中 变量（tf.Variable）的作用就是保存和更新神经网络中的参数
tf.random_normal ：正态分布
tf.truncated_normal ：正态分布，但如果随机出来的值偏离平均值超过2个标准差，那么这个数会被重新随机
tf.random_uniform ：均匀分布
tf.random_gamma ：Gamma分布
我们还会看到偏置（bias）通常使用常数来设置初始值

bias = tf.Variable(tf.zeros([3])  #  初始值全部为0，且长度为3的变量

tf.zeros ： 产生全0的数组 tf.zeros([2,3],int32)-[[0,0,0],[0,0,0]]
tf.ones ：产生全1的数组 tf.ones([2,3],int32)-[[1,1,1],[1,1,1]]
tf.fill ：产生一个全部为给定数字的数组 tf.fill([2.3],9)-[[9,9,9],[9,9,9]]
tf.constant ：产生一个给定值的常量 tf.constant ([1,3,2])-[1,3,2]