coding小记：np.random.randn与tf.random_normal

今天在编码时同时遇到了这两个函数，并且都是用来初始化权重的，写法如下

w = tf.Variable(tf.random_normal(shape, stddev=0.01))

w = tf.Variable(np.random.randn())

看上去都是随机生成符合正态分布的值，但是实际上tf.random_normal(shape, stddev=0.01) 是从正态分布中返回符合你输入的shape和均值与方差的值。

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

shape: A 1-D integer Tensor or Python array.输出tensor的shape
mean: A 0-D Tensor or Python value of type dtype. 正态分布的均值
stddev: A 0-D Tensor or Python value of type dtype. 正态分布的方差
dtype: The type of the output.

而numpy.random.randn(d0, d1, ..., dn) 返回参数中要求的shape的样本，具有标准正态分布。
如果想得到任意的正态分布，而不仅仅是标准正态，可以如下写法

N(μ, σ²):

σ * np.random.randn(…) + μ